ML实践——逻辑回归logistic regression

本文深入探讨了逻辑回归的工作原理,包括其与感知机的区别、Sigmoid激活函数的优势、对数损失函数的选择及其在最大似然估计中的作用。介绍了逻辑回归的代价函数,并提及L2正则化防止过拟合。此外,文章还对比了线性回归与逻辑回归,强调逻辑回归在处理二分类问题上的优势。最后,提到了一般回归模型与指数分布的关系。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

原理

从图中可以看出与perceptron的异同:

logistic regression model:
回归模型

perceptron:
这里写图片描述

简单地说把Sigmoid function用作activation function。

ϕ(z)=11+ez
ϕ(z)=z

Advantages:
1. Sigmoid function的收敛性更好
2. 逻辑回归是用通过计算一件事情发生的概率来预测事件是否发生

cost function

具体公式推导参见:链接
为什么cost function不再用平方差,而是用对数损失函数?这个问题我纠结了好久,最终在这里
看到一句话

“而在已知模型和一定样本的情况下,估计模型的参数,在统计学中常用的是极大似然估计方法”

所以说,选择的cost function与模型是有一定关系的。我们的log-likelihood function是极大似然函数的对数,我们要取对数?
1. 好求导
2. 防止numerical underflow发生(就是超出编译器里数值表示范围)

log-likelihood function
l(w)=

<think>好的,我现在需要帮用户解决关于逻辑回归、随机森林、Adaboost以及它们的融合模型的数学理论详解和Python代码的问题。首先,我得理清楚每个算法的数学原理,然后组织成用户能理解的中文解释。接下来,要编写可运行的代码,特别是基于UCI信用数据集的实现。同时,用户还提到了融合模型,这里可能需要将随机森林和Adaboost结合起来,比如用随机森林作为基学习器的Adaboost集成,或者用两者的预测结果进行堆叠。 首先,处理数学理论部分。逻辑回归的核心是sigmoid函数和最大似然估计。需要解释清楚逻辑回归如何将线性回归的结果映射到概率,以及损失函数的推导。随机森林则涉及决策树、装袋法(bagging)和特征随机选择。Adaboost的要点在于加权训练样本和弱分类器的组合,特别是权重更新的公式。 然后,融合模型部分。用户提到的Random Forest-Adaboost ensemble可能需要进一步明确。通常,融合方法有投票法、堆叠法等。这里可能需要将随机森林和Adaboost作为基模型,再通过某种方式(如元分类器)进行融合。或者,可能是指使用Adaboost来提升随机森林的效果,但需要确认具体结构。可能需要参考已有的融合方法,比如用Adaboost来组合多个随机森林模型,或者反过来。 接下来是代码部分。UCI信用数据集可能需要先进行数据预处理,比如处理缺失值、标准化、划分训练测试集。然后分别实现逻辑回归、随机森林、Adaboost,最后是融合模型。对于融合模型,可能需要使用VotingClassifier或StackingClassifier。需要注意参数设置和评估指标,如准确率、召回率、F1值等。 需要检查引用的文献是否有相关代码或理论支持。比如引用[1]中的随机森林调优参数,引用[2]中的Adaboost多分类模型,引用[3]中的SVM和KNN对比,引用[4]中的Hold-Out方法。这些引用可能在模型训练、评估或数据划分时用到。 可能遇到的问题包括数据集的加载是否正确,特征工程是否需要调整,模型超参数如何设置,以及融合模型的具体实现方式。需要确保代码的可运行性,比如导入正确的库,处理可能的错误,如缺失值处理,特征缩放等。 最后,生成相关问题时要考虑用户可能想进一步了解的内容,如模型的优缺点、调参方法、其他融合策略等。需要确保问题与当前主题相关,并且能引导用户深入探索。 现在,按照用户的要求,结构需要分数学原理、Python实现、相关问题三个部分。数学原理要详细但不过于复杂,代码要完整并附有解释。融合模型部分可能需要更详细的解释,确保用户理解其工作机制。同时,引用文献中的内容要自然地融入回答,比如在交叉验证部分引用[4],在Adaboost部分引用[2]等。 总结下来,步骤是: 1. 分算法详细讲解数学原理。 2. 编写每个算法的Python代码,并整合融合模型。 3. 确保代码基于UCI数据集,处理数据预处理。 4. 添加相关引用到合适的位置。 5. 生成相关问题,促进进一步学习。</think>### 数学理论详解 #### 一、逻辑回归 1. **核心公式**: 使用sigmoid函数将线性组合映射到(0,1)区间: $$P(y=1|x) = \frac{1}{1+e^{-(w^Tx + b)}}$$ 似然函数为: $$L(w,b) = \prod_{i=1}^n P(y_i|x_i)^{y_i}(1-P(y_i|x_i))^{1-y_i}$$ 通过负对数似然得到损失函数: $$J(w,b) = -\sum_{i=1}^n [y_i \log P(y_i|x_i) + (1-y_i)\log(1-P(y_i|x_i))]$$ 通过梯度下降求解参数[^4]。 #### 二、随机森林 1. **Bagging算法**: 从原始数据集中进行$B$次有放回采样,生成$B$个子数据集。 2. **特征随机性**: 每棵决策树分裂时,随机选择$m$个特征(通常$m = \sqrt{p}$,$p$为总特征数)。 3. **预测公式**: 分类任务中,最终结果为多数投票: $$\hat{y} = \text{mode}\{T_b(x)\}_{b=1}^B$$ 回归任务中为均值: $$\hat{y} = \frac{1}{B}\sum_{b=1}^B T_b(x)$$ 通过特征重要性评估变量贡献[^1]。 #### 三、Adaboost 1. **权重更新机制**: 初始样本权重$D_1(i)=1/N$,第$t$轮迭代中: - 训练弱分类器$h_t(x)$,计算加权错误率: $$\epsilon_t = \sum_{i=1}^N D_t(i) \cdot I(y_i \neq h_t(x_i))$$ - 计算分类器权重: $$\alpha_t = \frac{1}{2}\ln\left(\frac{1-\epsilon_t}{\epsilon_t}\right)$$ - 更新样本权重: $$D_{t+1}(i) = \frac{D_t(i) \cdot e^{-\alpha_t y_i h_t(x_i)}}{Z_t}$$ 其中$Z_t$为归一化因子。 最终预测结果为加权投票: $$H(x) = \text{sign}\left(\sum_{t=1}^T \alpha_t h_t(x)\right)$$ 通过误差率动态调整样本权重[^2]。 #### 四、融合模型(Random Forest-Adaboost Ensemble) 将随机森林作为Adaboost的基学习器: 1. 每轮迭代中训练一个随机森林模型$h_t(x)$ 2. 根据错误率计算模型权重$\alpha_t$ 3. 最终预测为加权组合: $$H(x) = \sum_{t=1}^T \alpha_t h_t(x)$$ 通过集成进一步提升模型鲁棒性[^1][^2]。 --- ### Python实现代码(基于UCI信用数据集) #### 数据预处理 ```python import pandas as pd from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 加载UCI信用数据集(示例路径需替换) url = "https://archive.ics.uci.edu/ml/machine-learning-databases/statlog/german/german.data" df = pd.read_csv(url, sep=' ', header=None) # 划分特征与标签 X = df.iloc[:, :-1] y = df.iloc[:, -1].replace({1:0, 2:1}) # 转换为0/1标签 # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, stratify=y, random_state=42) # 标准化处理 scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test) ``` #### 逻辑回归 ```python from sklearn.linear_model import LogisticRegression from sklearn.metrics import classification_report lr = LogisticRegression(penalty='l2', C=1.0, max_iter=1000) lr.fit(X_train, y_train) y_pred_lr = lr.predict(X_test) print("逻辑回归结果:\n", classification_report(y_test, y_pred_lr)) ``` #### 随机森林 ```python from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(n_estimators=200, max_depth=10, min_samples_split=5) rf.fit(X_train, y_train) y_pred_rf = rf.predict(X_test) print("随机森林结果:\n", classification_report(y_test, y_pred_rf)) ``` #### Adaboost ```python from sklearn.ensemble import AdaBoostClassifier from sklearn.tree import DecisionTreeClassifier base_estimator = DecisionTreeClassifier(max_depth=3) ada = AdaBoostClassifier(base_estimator=base_estimator, n_estimators=50, learning_rate=0.8) ada.fit(X_train, y_train) y_pred_ada = ada.predict(X_test) print("Adaboost结果:\n", classification_report(y_test, y_pred_ada)) ``` #### 融合模型(加权投票) ```python from sklearn.ensemble import VotingClassifier # 定义各模型权重(根据验证集性能调整) ensemble = VotingClassifier(estimators=[ ('lr', lr), ('rf', rf), ('ada', ada) ], voting='soft', weights=[1, 2, 1.5]) # 软投票加权 ensemble.fit(X_train, y_train) y_pred_ens = ensemble.predict(X_test) print("融合模型结果:\n", classification_report(y_test, y_pred_ens)) ``` --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值