当前位置: 首页 > 数据分析师 > 数据分析师实战技能 > 数据分析师数据分析 > 弱分类器的强势体 逻辑回归算法与推导

弱分类器的强势体 逻辑回归算法与推导

发布时间:2020年09月28日 08:04:28 来源: 点击量:482

【摘要】弱分类器的强势体:逻辑回归算法与推导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

弱分类器的强势体:逻辑回归算法与推导

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。

分享到: 编辑:wangmin

就业培训申请领取
您的姓名
您的电话
意向课程
点击领取

环球青藤

官方QQ

扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群

绑定手机号

应《中华人民共和国网络安全法》加强实名认证机制要求,同时为更加全面的体验产品服务,烦请您绑定手机号.

预约成功

本直播为付费学员的直播课节

请您购买课程后再预约

环球青藤移动课堂APP 直播、听课。职达未来!

安卓版

下载

iPhone版

下载
环球青藤官方微信服务平台

刷题看课 APP下载

免费直播 一键购课

代报名等人工服务

课程咨询 学员服务 公众号

扫描关注微信公众号

APP

扫描下载APP

返回顶部