版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/hao5335156/article/details/82388151
1、定义
二项逻辑斯谛回归模型,是如下的条件概率分布。
P(Y=1|x)=ewx1+ewx(1)
P(Y=0|x)=11+ewx(2)
注意,这里为了方便已经将b扩充入
w
。公式(2)可以看做
11+e−z
,(Sigmoid函数)如下图
2、事件的几率
指的是事件发生的概率与该事件不发生的概率的比值。假设事件发生的概率是
p
,那么该事件的几率是
p1−p
,对于逻辑斯谛回归模型而言,事件几率取log如下:
logP(Y=1|x)1−P(Y=0|x)=w⋅x
3、模型参数估计
假设:
P(Y=1|x)=π(x),P(Y=0|x)=1−π(x)
似然函数:
∏i=1N[π(xi)]yi[1−π(xi)]1−yi(3)
公式(3)表明,对于正样本而言,右边的项为1,对于负样本而言,左边的项为1。即满足所有样本的概率最大。
对数似然函数:
L(w)=∑i=1N[yilogπ(xi)+(1−yi)log(1−π(xi))]=∑i=1N[yilogπ(xi)1−π(xi)+log(1−π(xi))]=∑i=1N[yi(w⋅xi)−log(1+ew⋅xi)](4)
如公式(4)所示,求解的是最大值问题,可以用
梯度下降法(这里求最大值,实际是梯度上升,或者加负号变成梯度下降法)等优化方法求解参数
w
假设求得参数
w^
。代入公式(1)(2)即可得模型。