本文主要是介绍机器学习实战—第5章:Logistic回归中程序清单5-1中的数学推导,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
如图中梯度上升法给出的函数代码。
假设函数为:
1、梯度上升算法(参数极大似然估计值):
通过查看《统计学习方法》中的模型参数估计,分类结果为类别0和类别1的概率分别为:
则似然函数为:
对数似然函数为:
最大似然估计求使得对数似然函数取最大值时的参数θθ
对L(θ)求导得:
即为:
则单个特征系数的梯度上升法的迭代公式为:
对整个特征参数向量的梯度上升法的迭代公式为:
2、当然也可以采用梯度下降方法(代价函数最小化)
这部分可以参考吴恩达老师的《机器学习》视频,就不详细说明了。
代价函数为:
求导得到:
对参数向量有:
这篇关于机器学习实战—第5章:Logistic回归中程序清单5-1中的数学推导的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!