逻辑回归)"/>
LR(逻辑回归)
LR(逻辑回归)
- 开篇寄语
- 1、Sigmoid 与 Logistic Regression
- 2、概率分布
- 3、参数求解
- 1,参数估计-最大似然函数
- 2,损失函数-熵/相对熵/交叉熵
- 4、梯度下降
- 5、正则化
开篇寄语
一直想总结下机器学习相关的知识,先从最简单的LR开始吧,温故而知新。自己的写作功底比较弱,所以也借鉴了几位前辈的博客
1、Sigmoid 与 Logistic Regression
sigmoid函数是lr的核心,它将普通的线性回归值域映射到了[0,1]
g ( z ) = 1 1 + e − z g(z)=\dfrac{1}{1+e^{-z}} g(z)=1+e−z1
回顾一下线性回归, h θ ( x ) = θ T X h_{\theta}(x)=\theta^{T} X hθ(x)=θTX,令 z = h θ ( x ) z=h_{\theta}(x) z=hθ(x),代入公式可得到
g ( x ) = 1 1 + e − θ T X g(x)=\dfrac{1}{1+e^{-\theta^{T}X}} g(x)=1+e−θTX1
实际上,逻辑回归是非线性回归的一种,只不过能用于二分类问题,所以很特殊,也很经典。
(PS:不知道还有没有其它可用于分类的非线性回归,或者是sigmoid简单的变形)
2、概率分布
为什么LR能用于二分类问题呢,我们来算一下,首先是Y为0或者1的条件概率分布
P ( Y = 1 ∣ X ) = 1 1 + e − w x = e w x 1 + e w x P ( Y = 0 ∣ X ) = 1 − P ( Y = 1 ∣ X ) = 1 1 + e w x \begin{aligned} P(Y=1|X) = \frac{1}{1+e^{-wx}} = \frac{e^{wx}}{1+e^{wx}} \\ P(Y=0|X) = 1- P(Y=1|X) = \frac{1}{1+e^{wx}} \end{aligned} P(Y=1∣X)=1+e−wx1=1+ewxewxP(Y=0∣X)=1−P(Y=1∣X)=1+ewx1
发生事件的几率定义为发生与不发生的比值
o d d s = p 1 − p odds = \frac{p}{1-p} odds=1−pp
取其对数概率
l o g i t ( p ) = l o g p 1 − p logit(p)=log\frac{p}{1−p} logit(p)=log1−pp
那么Y=1的几率就是
l o g P ( Y = 1 ∣ x ) 1 − P ( Y = 1 ∣ x ) = l o g P ( Y = 1 ∣ x ) P ( Y = 0 ∣ x ) = w . x log \frac{P(Y=1|x)}{1−P(Y=1|x)}=log \frac{P(Y=1|x)}{P(Y=0|x)}=w.x log1−P(Y=1∣x)P(Y=1∣x)=logP(Y=0∣x)P(Y=1∣x)=w.x
即,当 w.x的值越大,P(Y=1|x) 越接近1;w.x越小(f负无穷大),P(Y=1|x) 越接近0,
其实这个从sigmoid图像也可以看得出来,不过另外一位先辈是这样写的,先暂且这么理解
3、参数求解
1,参数估计-最大似然函数
我们用最大化似然函数来估计参数,首先构建最大似然函数
L ( θ ) = ∏ P ( y i = 1 ∣ x i ) y i ( 1 − P ( y i = 1 ∣ x i ) ) 1 − y i L(\theta) = \prod P(y_i=1|x_i)^{y_i}(1-P(y_i=1|x_i))^{1-y_i} L(θ)=∏P(yi=1∣xi)yi(1−P(yi=1∣xi))1−yi
对最大似然函数取对数并化简
L L ( θ ) = l o g ( L ( θ ) ) = l o g ( ∏ P ( y i = 1 ∣ x i ) y i ( 1 − P ( y i = 1 ∣ x i ) ) 1 − y i ) LL(\theta) = log(L(\theta)) = log(\prod P(y_i=1|x_i)^{y_i}(1-P(y_i=1|x_i))^{1-y_i}) LL(θ)=log(L(θ))=log(∏P(yi=1∣xi)yi(1−P(yi=1∣xi))1−yi)
= ∑ i = 1 n y i l o g P ( y i = 1 ∣ x i ) + ( 1 − y i ) l o g ( 1 − P ( y i = 1 ∣ x i ) ) = \sum_{i=1}^{n}y_i log P(y_i=1|x_i) + (1-y_i)log(1-P(y_i=1|x_i)) =∑i=1nyilogP(yi=1∣xi)+(1−yi)log(1−P(yi=1∣xi))
= ∑ i = 1 n y i l o g P ( y i = 1 ∣ x i ) 1 − P ( y i = 1 ∣ x i ) + ∑ i = 1 n l o g ( 1 − P ( y i = 1 ∣ x i ) ) = \sum_{i=1}^{n}y_i log \frac{P(y_i=1|x_i)}{1-P(y_i=1|x_i)} + \sum_{i=1}^{n}log(1-P(y_i=1|x_i)) =∑i=1nyilog1−P(yi=1∣xi)P(yi=1∣xi)+∑i=1nlog(1−P(yi=1∣xi))
= ∑ i = 1 n y i ( w . x ) + ∑ i = 1 n l o g P ( y i = 0 ∣ x i ) = \sum_{i=1}^{n}y_i(w.x) + \sum_{i=1}^{n}logP(y_i=0|x_i) =∑i=1nyi(w.x)+∑i=1nlogP(yi=0∣xi)
= ∑ i = 1 n y i ( w . x ) − ∑ i = 1 n l o g ( 1 + e w . x ) = \sum_{i=1}^{n}y_i(w.x) - \sum_{i=1}^{n}log(1+e^{w.x}) =∑i=1nyi(w.x)−∑i=1nlog(1+ew.x)
= ∑ i = 1 n y i ( θ T . x i ) − ∑ i = 1 n l o g ( 1 + e θ T . x i ) = \sum_{i=1}^{n}y_i(\theta^T.x_i) - \sum_{i=1}^{n}log(1+e^{\theta^T.x_i}) =∑i=1nyi(θT.xi)−∑i=1nlog(1+eθT.xi)
我们无法从这个公式求一个全局最优解(目前),但是我们可以从各个维度去逼近最优解,所以对上面的公式求偏导即可得:
∂ L L ( θ ) ∂ θ = ∑ i = 1 n ( y i − P ( y i = 1 ∣ x i ) ) x i \frac{\partial LL(\theta)}{\partial \theta} = \sum_{i=1}^{n}(y_i - P(y_i=1|x_i))x_i ∂θ∂LL(θ)=i=1∑n(yi−P(yi=1∣xi))xi
注意,这个是最大似然函数的导数,求的是最大值,而损失函数是求最小值,因此需要在前面加上负号,而且需要平均,即
∂ L L o s s ( θ ) ∂ θ = − 1 m ∑ i = 1 m ( y i − P ( y i = 1 ∣ x i ) ) x i \frac{\partial LLoss(\theta)}{\partial \theta} = -\frac{1}{m}\sum_{i=1}^{m}(yi-P(y_i=1|x_i))x_i ∂θ∂LLoss(θ)=−m1i=1∑m(yi−P(yi=1∣xi))xi
上面的公式推导是基于最大似然函数,下面是基于熵概念的损失函数推导
2,损失函数-熵/相对熵/交叉熵
熵用来表示所有信息量的期望:
H ( X ) = − ∑ i = 1 n p ( x i ) l o g ( p ( x i ) ) H(X)=-\sum_{i=1}^n p(x_i)log(p(x_i)) H(X)=−i=1∑np(xi)log(p(xi))
对于二分类分体,熵可以化简为:
H ( X ) = − ∑ i = 1 n p ( x i ) l o g ( p ( x i ) ) = − p ( x ) l o g ( p ( x ) ) − ( 1 − p ( x ) ) l o g ( 1 − p ( x ) ) \begin{aligned} H(X) &=-\sum_{i=1}^n p(x_i)log(p(x_i)) \\ &=-p(x)log(p(x))-(1-p(x))log(1-p(x)) \end{aligned} H(X)=−i=1∑np(xi)log(p(xi))=−p(x)log(p(x))−(1−p(x))log(1−p(x))
相对熵又称KL散度,如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和 Q(x),我们可以使用 KL 散度(Kullback-Leibler (KL) divergence)来衡量这两个分布的差异,KL散度的计算公式:
(3.1) D K L ( p ∣ ∣ q ) = ∑ i = 1 n p ( x i ) l o g ( p ( x i ) q ( x i ) ) D_{KL}(p||q)=\sum_{i=1}^np(x_i)log(\frac{p(x_i)}{q(x_i)}) \tag{3.1} DKL(p∣∣q)=i=1∑np(xi)log(q(xi)p(xi))(3.1)
交叉熵是相对熵的一部分,我们队相对熵变形
D K L ( p ∣ ∣ q ) = ∑ i = 1 n p ( x i ) l o g ( p ( x i ) ) − ∑ i = 1 n p ( x i ) l o g ( q ( x i ) ) = − H ( p ( x ) ) + [ − ∑ i = 1 n p ( x i ) l o g ( q ( x i ) ) ] \begin{aligned} D_{KL}(p||q) &= \sum_{i=1}^np(x_i)log(p(x_i))-\sum_{i=1}^np(x_i)log(q(x_i)) \\ &= -H(p(x))+[-\sum_{i=1}^np(x_i)log(q(x_i))] \\ \end{aligned} DKL(p∣∣q)=i=1∑np(xi)log(p(xi))−i=1∑np(xi)log(q(xi))=−H(p(x))+[−i=1∑np(xi)log(q(xi))]
等式的前一部分恰巧就是p的熵,等式的后一部分,就是交叉熵:
H ( p , q ) = − ∑ i = 1 n p ( x i ) l o g ( q ( x i ) ) H(p,q)=-\sum_{i=1}^np(x_i)log(q(x_i)) H(p,q)=−i=1∑np(xi)log(q(xi))
逻辑回归的损失函数定义即交叉熵:
J ( θ ) = − 1 m [ ∑ i m ( y i l o g ( h θ ( x i ) + ( 1 − y i ) l o g ( 1 − h θ ( x i ) ) ) ] J(\theta) = -\frac{1}{m}[\sum_i^m(y^ilog(h_\theta(x^i)+(1-y^i)log(1-h_\theta(x^i)))] J(θ)=−m1[i∑m(yilog(hθ(xi)+(1−yi)log(1−hθ(xi)))]
这个形式跟最大似然估计取log之后是一样的
4、梯度下降
上面我们对公式求偏导,可以在各个维度上逼近最优解。优化方法有很多种,梯度下降是最早和最经典的一种,其求解公式为:
θ n e w = θ o l d − α ∂ L L o s s ( θ ) ∂ θ = θ o l d − α 1 m ∑ i = 1 m ( P ( y i = 1 ∣ x i ) − y i ) x i \begin{aligned} \theta^{new} &= \theta^{old}-\alpha\frac{\partial LLoss(\theta)}{\partial \theta} \\ &= \theta^{old} - \alpha\frac{1}{m}\sum_{i=1}^{m}(P(y_i=1|x_i) - y_i )x_i \end{aligned} θnew=θold−α∂θ∂LLoss(θ)=θold−αm1i=1∑m(P(yi=1∣xi)−yi)xi
上面是总体的 θ \theta θ求解,单个 θ \theta θ求解如下:
θ j = θ j − α 1 m ∑ i = 1 m ( P ( y i = 1 ∣ x i ) − y i ) x i j \theta^{j} = \theta^{j} - \alpha \frac{1}{m} \sum_{i=1}^{m}(P(y_i=1|x_i) - y_i ) x_i^j θj=θj−αm1i=1∑m(P(yi=1∣xi)−yi)xij
其中 m m m为batch_size, x x x下标为batch里的第 i i i个样本,上标为第 j j j个feature
其它的优化方法,再开一个帖子专门讲
5、正则化
正常LR的参数估计到上一步梯度下降就已经结束了,但是,可避免的会出现过拟合的现象,所以引入了正则化的方法,一定程度上可以缓解这种情况
目前有两个正则化范数可以用,即L1范数与L2范数
L1范数:也称叫“稀疏规则算子”(Lasso Regularization),泛化能力比较差,:引入是为了实现特征自动选择,它会将没有信息的特征对应的权重置为0
L2范数:在回归里面中又称岭回归”(Ridge Regression),与 L1 范数不同的是L2是使得特征对应的权重尽量的小,接近于0,越小的参数说明模型越简单,越简单的模型则越不容易产生过拟合现象,为什么呢?
首先,我们看损失函数
J ( θ ) = − 1 m [ ∑ i m ( y i l o g ( h θ ( x i ) + ( 1 − y i ) l o g ( 1 − h θ ( x i ) ) ) ] + λ 2 m ∑ j n θ j 2 J(\theta) = -\frac{1}{m}[\sum_i^m(y^ilog(h_\theta(x^i)+(1-y^i)log(1-h_\theta(x^i)))] + \frac{\lambda}{2m}\sum_j^n\theta_j^2 J(θ)=−m1[i∑m(yilog(hθ(xi)+(1−yi)log(1−hθ(xi)))]+2mλj∑nθj2
想让损失函数趋近于0,则需让函数的两部分无限重合,如下图
L1倾向于使某些特征对应的参数变为0,因此能产生稀疏解。而 L2 使 w 接近0
引用
[1]:
[2]:
[3]:
[4]:
更多推荐
LR(逻辑回归)
发布评论