尋ねLRのインタビュー今日勾配アルゴリズムと正則化項では、自分自身を理解し、そのLR勾配降下アルゴリズムで見つかったいくつかの関連情報を、見つけること、およびシグモイド関数の正の側面は中にも、それを深く研究していませんいくつかの良い情報を見つけ、それを記録。
本論文では、LRおよび最大エントロピーモデルとの間の関係を推定し
http://www.win-vector.com/dfiles/LogisticRegressionMaxEnt.pdf
この記事では、新聞を読んで支援するために、紙の翻訳と理解しています。
https://blog.csdn.net/qq_32742009/article/details/81746955
主な結論：最大エントロピー指数の二項分布は、二つの最尤推定値です。
証明：導出プロセスは閉ループであるを通じて2つの指数分布にあるXとし、二項分布の溶液パラメータは、xは最終的に二指数分布に従う起動されます。
疑いがある：なぜ我々は、xは、それの2指数分布にサービスを提供していることを前提とすべきか？（注2つの指数分布は、ロジスティック分布である）
アルゴリズムは、一般的に直接の仮定は、それがあまりにも分散されていることである理由分布は、あまりにもあることを想定していますか？
凸関数で定義された
https://blog.csdn.net/feilong_csdn/article/details/83476277
非導電性プルーフのLR L1正則：
https://blog.csdn.net/luoyexuge/article/details/79594554
降下座標
https://blog.csdn.net/xiaocong1990/article/details/83039802
解決の勾配降下法の近位端でもあります：
https://www.zhihu.com/question/38426074/answer/76683857