机器学习总结系列之逻辑回归

线性回归适合连续型的函数拟合任务（也就是回归任务），即对于不同的输入x，输出y所属于的域是一个连续的空间，而对于y是确定的离散的空间的分类任务，比如y只取0，1的二分类问题，仍然使用线性回归的直线拟合无法适应大量输入x而y只限制在0-1的情况，我们需要一种值域在0-1的函数来作为我们的假设函数。

这个函数就是被称为逻辑函数（Logistic Function）或者Sigmoid函数。它的函数表达式如下

g(z)=11+e−z$g(z)=\frac{1}{1+e^{-z}}$

它的函数图像如下图所示，整个值域在0-1，以z=0时函g(z)=0.5,

假设函数

基于以上，逻辑回归的假设函数是基于Sigmoid函数定义的，参数z是通过θTx${\theta }^{T}x$来定义的，综合起来，其假设函数是

hθ(x)=g(θTx)=11+e−θTx$h_{\theta }(x)=g({\theta }^{T}x)=\frac{1}{1+e^{-{\theta }^{T}x}}$

并且和线性回归不同的是其假设函数不是最终y的值，而是使用x和θ$\theta$计算出的y=1情况的概率

hθ(x)=P(y=1|x;θ)$h_{\theta }(x)=P(y=1|x;\theta )$
hθ(x)>=0.5,y=1$h_{\theta }(x)>=0.5,y=1$
hθ(x)<0.5,y=0$h_{\theta }(x)<0.5,y=0$

相比之下，线性回归计算的结果直接是y的值，而逻辑回归计算出来的是y=1的概率，如果这个概率大于0.5，我们就认为结果是1，反之则y=0。根据Sigmoid函数的定义，我们知道当θT>=0${\theta }^T>=0$的时候hθ(x)>=0.5$h_{\theta }(x)>=0.5$,我们把这条θT>=0${\theta }^T>=0$称为决策边界（decision boundary）

损失函数

如果我们想要想线性回归那样使用梯度下降来计算最优的参数θ$\theta$,我们需要构造逻辑回归的损失函数。线性回归的损失函数是假设函数值和真实值平方差的平均值，像下面这样

J(θ0,θ1,⋯,θn)=12m(hθ(x(i))−y(i))2$J({\theta }_0,{\theta }_1,\cdots ,{\theta }_n)=\frac{1}{2m}(h_{\theta }(x^{(i)})-y^{(i)}{)}^2$

这样的一个原因是，如果假设函数的结果和真实结果相差的太大，那么损失函数的值也会增大，而梯度下降就是不断削减这个损失函数的过程。而逻辑回归的真实值y是离散的0和1，而假设函数hθ(x)$h_{\theta }(x)$是y等于1的概率，所以逻辑应该是这样的，当y=1而hθ(x)$h_{\theta }(x)$的概率越小时，损失函数应该变大，对应的，如果y=0而hθ(x)$h_{\theta }(x)$越大时，损失函数应该变大。所以逻辑回归用一个分段函数来表示其损失函数，其中log代表自然对数

Cost(hθ(x),y)=−log(hθ(x)),if(y=1)$Cost(h_{\theta }(x),y)=-log(h_{\theta }(x)),if(y=1)$
Cost(hθ(x),y)=−log(1−hθ(x)),if(y=0)$Cost(h_{\theta }(x),y)=-log(1-h_{\theta }(x)),if(y=0)$

这函数的函数图像如下

那么其损失函数等于所有训练集的Cost函数和的平均值

J(θ)=1m∑mi=1Cost(hθ(x),y)$J(\theta )=\frac{1}{m}\sum _{i=1}^{m}Cost(h_{\theta }(x),y)$

我们可以将Cost分段函数写成一个函数

Cost(hθ(x),y)=−ylog(hθ(x))−(1−y)log(1−hθ(x))$Cost(h_{\theta }(x),y)=-ylog(h_{\theta }(x))-(1-y)log(1-h_{\theta }(x))$

J(θ)=−1m∑mi=1[y(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i)))]$J(\theta )=-\frac{1}{m}\sum _{i=1}^m[y^{(i)}log(h_{\theta }(x^{(i)}))+(1-y^{(i)})log(1-h_{\theta }(x^{(i)}))]$

有了损失函数J(θ)$J(\theta )$,我们的目标就是利用训练数据最小化J(θ)$J(\theta )$,使用梯度下降法取最优值，对J(θ)$J(\theta )$求导过程如下

推到后其值为

∂∂θj=1m∑mi=1(hθ(xi)−y(i))x(i)j$\frac{\mathrm{\partial }}{\mathrm{\partial }{\theta }_j}=\frac{1}{m}\sum _{i=1}^m(h_{\theta }(x^i)-y^{(i)})x_j^{(i)}$

虽然这里的求导后和线性回归的形式一样，但是这里的hθ(x)=11+e−θTx$h_{\theta }(x)=\frac{1}{1+e^{-{\theta }^{T}x}}$,和线性回归是不同的

其优化过程就是迭代的更新θ$\theta$,也就是

θj=θj−α∂∂θj${\theta }_j={\theta }_j-\alpha \frac{\mathrm{\partial }}{\mathrm{\partial }{\theta }_j}$
θj=θj−α1m∑mi=1(hθ(xi)−y(i))x(i)j${\theta }_j={\theta }_j-\alpha \frac{1}{m}\sum _{i=1}^m(h_{\theta }(x^i)-y^{(i)})x_j^{(i)}$

我们可以自己实现梯度下降，也可以使用内置的优化函数fminunc来进行优化，其使用有三步
1. 给出迭代每一步的计算函数function [jval,gradient]=costFunction(theta)
2. 给出迭代的选项设置对象options=optimset(‘GradObj’,’on’,’MaxIter’,100)和初始的initialTheta
3. 使用fminunc获取结果，[optTheta,functionVal,exitFlag]=fminunc(@costFunction,initialTheta,options)

多分类问题

多分类问题可以通过二分类问题推广而来，假设有n种分类，那么我们可以对每一个种类训练一个逻辑回归函数，然后取其中的最大值作为分类结果
Class 1:h(1)θ(x)=P(y=1|x;θ)$h_{\theta }^{(1)}(x)=P(y=1|x;\theta )$
Class 2:h(2)θ(x)=P(y=2|x;θ)$h_{\theta }^{(2)}(x)=P(y=2|x;\theta )$
Class 3:h(3)θ(x)=P(y=3|x;θ)$h_{\theta }^{(3)}(x)=P(y=3|x;\theta )$
取max(h(i)θ)$max(h_{\theta }^{(i)})$为最终结果

声明

本文首发表于Wenqi’s Blog，更多技术分享欢迎关注！转载须注明文章出处，已委托维权骑士为本站的文章进行维权，作者保留文章所有权。