弱分类器的强势体：逻辑回归算法与推导——CDA人工智能学院

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

CDA人工智能学院致力于以优质的人工智能在线教育资源助力学员的DT职业梦想！课程内容涵盖数据分析、机器学习、深度学习、人工智能、tensorFlow、PyTorch、知识图谱等众多核心技术及行业案例，让每一个学员都可以在线灵活学习，快速掌握AI时代的前沿技术。PS：私信我即可获取CDA会员1个月免费试听机会

逻辑回归的函数表达式为

用极大似然估计求解

每个样本发生的后验概率为

则所以样本发生总概率即似然函数为

L(θ)即为目标函数，-L(θ)即为loss函数，求-L(θ)最小

对数L(θ)函数为

对θ求导，即

无法求解。

用梯度下降法逼近最佳值，这里用的是梯度上升法，因为要求L(θ)最大值，其实道理一样。

整体梯度上升算法：

初始化wT=1

重复直至收敛：

计算整体梯度（∂l(θ)/∂θ）

根据θ+α*（∂l(θ)/∂θ）来更新回归系数wT

随机梯度上升算法：

初始化wT=1

重复直至收敛：

计算随机每个样本梯度（∂l(θ)/∂θ）

根据θ+α*（∂l(θ)/∂θ）来更新回归系数wT

逻辑回归的优点是实现简单，分类快。缺点是容易欠拟合，只能处理二分类问题（加上softmax优化可用于多分类），但是必须是线性可分的数据。

关注“CDA人工智能学院”，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：逻辑回归 人工智能 CDA 分类器 Tensor