标题: 关于Logistics回归用于分类的解释 [打印本页] 作者: 杨利霞 时间: 2019-4-21 15:10 标题: 关于Logistics回归用于分类的解释 关于Logistics回归用于分类的解释: e& Y1 g$ q; U0 T. e P& [
logistics回归让人最搞不懂的是，明明名字里面带了个回归两个字，为什么这是一种分类算法呢？; D. p' {3 I. Z n$ [8 l# z
5 n2 d; _/ X4 f$ E说到回归大家想到的都是根据一些点得出一条直线或者曲线。的确logistics回归也是得出一条直线，然后如果这个点在这条线的一边比如说上面属于一个类别，另一个点处于这条线的另一边比如说下边则属于另一个类别。! B+ F, i" Z" w# T; X! e7 p
7 S; K" D3 b* W# D( L
这条直线是怎么得出的呢？ 0 w: J$ n4 Q5 v" O3 M# H) I( k E4 d7 u
首先假设所有的输入为（x0,x1....xn），输入前面的系数为（w0,w1...wn），输出为y: }9 n( {' d" v3 c
6 m1 p/ g3 A, [" P: v# q我们可以得出y=w0*x0+w1*x1...wn*xn) N* [- [5 w# x
3 S7 N, k3 R' V% N, q+ q
然后将系数（w0,w1..wn）取随机值。然后开始训练网络。训练的算法叫做梯度上升算法/ _6 w& i5 z) U+ S+ T
2 q. W. v. i$ c& f& h
根据y=w0*x0+w1*x1...wn*xn，我们可以对所有输入（x0,x1...xn）求导即是求梯度。 + p" X8 w% w1 H, ?. u7 t3 s- x; `: {: F% G3 K: y
8 s5 A# g6 E, g. y* y! I 6 }! S( g- Z9 p' `! E7 {+ r1 n9 M* e* ]; w9 L4 a& |5 R" B/ ]5 _4 n! s% c
这个公式什么意思呢？学过微积分的同学都知道，问题是像我这种没学好的就放放吧。大家只要知道能通过将矩阵转一下就能得到，转一下的意思在下面 ) r/ _+ v: F- L' K) m6 B ! i) c7 x0 \' ~! T& Z假设dataMatIn=array([[3,3],[4,4]]) + Y4 h9 t* Y& S- V$ _4 }! D! z% U( @1 A6 ?
那么dataMatIn的梯度就是dataMatIn.transpose() => array([[3,4],[3,4]]). W% W# F2 s* p' [: D
9 B2 j% Q5 C, d) p: y然后就完成了。0 A$ {- G4 r6 D8 u; P d
