逻辑斯蒂回归分类算法
作者:互联网
逻辑斯蒂回归分类算法
首先来看一个线性回归来进行分类的问题: 怎样判断肿瘤是否恶性?
很明显线性回归用于分类问题无法处理边界点的位置。
同时,线性回归健壮性不够,一旦有噪声,立刻“投降”
使用逻辑斯蒂回归 —— 分类问题
Sigmoid函数(压缩函数)
sigmoid函数中,e-z 中 z 的正负决定了 g(z) 的值最后是大于 0.5 还是小于 0.5;即 z 大于 0 时,g(z) 大于 0.5,z 小于 0 时,g(z)小于 0.5
当 z 对应的表达式为分类边界时,恰好有分类边界两侧对应 z 正负不同,也就使得分类边界两边分别对应 g(z)>0.5 和 g(z)<0.5,因此根据 g(z) 与 0.5 的大小关系,就可以实现分类
来看两个示例:
我们将线性回归拟合出来的值用压缩函数进行压缩,压缩完成后用 0.5 做一个概率的判定边界,就能把样本分成两类,即正样本和负样本
逻辑斯谛回归损失函数
- 平方损失函数的问题
如果使用梯度下降法求解算法可能无法得到全局最优解,最小二乘法求解不适用于多元函数。
我们期待的损失函数为一个凸函数,可以使用梯度下降求解最优质值。
考虑到对数函数中可以根据零点将数据定义划分为正类和负类:
因此,在逻辑回归分类算法中,我们的损失函数定义如下:
因此,在逻辑回归分类算法中,我们的损失函数定义如下:
梯度下降法求解
标签:逻辑,函数,回归,分类,0.5,斯蒂,算法 来源: https://blog.csdn.net/weixin_42796403/article/details/113815647