机器学习14-Logistic回归

知识点十四:Logistic回归(非线性回归)

1、什么是线性回归

用一条直线对训练数据进行拟合的过程,叫做回归。这条直线成为称为:最佳拟合直线。

2、Logistic回归

Logistic回归的目的是寻找一个非线性函数Sigmoid的最佳拟合参数(注意:logistic回归正好是知识点一:《函数公式是怎么来的?》的一种照应),求解过程可以由最优化算法来完成。在最优化算法中,最常用的就是梯度上升算法,而梯度上升算法又可以简化为随机梯度上升算法。

随机梯度上升算法与梯度上升算法的效果相当,但占用更少的计算资源。此外,随机梯度上升是一个在线算法,它可以在新数据到来时就完成参数更新,而不需要重新读取整个数据集来进行批处理运算。

3、梯度上升算法

假如需要求取函数:在这里插入图片描述

的最大值。

函数图像如下:
在这里插入图片描述

函数的导数为:
在这里插入图片描述

所以 x=1.5即取得函数的最大值1.25

但是真实环境中的函数不会像上面这么简单,就算求出了函数的导数,也很难精确计算出函数的极值。此时我们就可以用迭代的方法来做。就像爬坡一样,一点一点逼近极值。爬坡这个动作用数学公式表达即为:
在这里插入图片描述

其中,α为步长。

求上面函数极值的Python代码如下:



def function(x):

    return -2 * x + 3

 

def argmax():

    begin = 0

    end = 6

    eps = 0.01

    presision = 0.00001

    while abs(end - begin) > presision:

        begin = end

        end = begin + eps * function(end)

    return end


结果为:1.5004868539823504

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