监督学习：逻辑回归

目录

1 逻辑回归理论知识

逻辑回归算法是干什么的？

逻辑回归模型的假设函数：

决策边界（decision boundary）

损失函数

为什么用这损失函数？

损失函数的求导：

2 代码复现

1 逻辑回归理论知识

逻辑回归算法是干什么的？

答：（单变量）线性回归算法是试图找到一条直线去拟合数据，而逻辑回归算法是试图找到一根线，去分隔数据，是一种分类算法，如下图：

逻辑回归模型的假设函数：

1. 

   1. 其中，X代表特征向量，g代表逻辑函数，一个常用的逻辑函数是sigmoid函数。
2. 为什么要用个sigmoid函数？答：对于给定的输入变量，函数要输出一个分类的概率值，取值在0~1之间。

决策边界（decision boundary）

损失函数

在线性回归中，我们用误差平方和作为损失函数，但是如果将下面这种假设函数带入误差平方和损失函数中，它会是一个非凸函数，即有很多局部最小值，会影响梯度下降寻找全局最小值。

线性回归的损失函数是：

我们重新定义逻辑回归损失函数为如下：

为什么用这损失函数？

• 要知道，y即分类标签，其值要么是1要么是0，这就有：

• 公式中log就是ln()函数：

• h取值在0~1之间（因为是sigmoid的输出），所以 h 和 Cost 关系图如下：

损失函数的求导：

2 代码复现

用numpy复现了文章开头两个案例图的逻辑回归，具体代码在：

https://github.com/YM2025/machine_learning/tree/master/2_logistic_regression