统计学习方法笔记06

李航. 统计学习方法[M]. 清华大学出版社, 2012.

第6章逻辑斯谛回归与最大熵模型

6.1 逻辑斯蒂回归模型

逻辑斯谛分布(logistic distribution)

设 $X$ 是连续变量， $X$ 服从逻辑斯谛分布是指 $X$ 具有如下分布函数和密度函数：

$F(x) = P(X\leq x) = \dfrac{1}{1+e^{-(x-\mu)/\gamma}}$

$f(x) = F'(x) = \dfrac{e^{-(x-\mu)/\gamma}}{\gamma(1+e^{-(x-\mu)/\gamma})^2}$

式中 $\mu$ 为位置参数， $\gamma>0$ 为形状参数，其值越小曲线在中心附近增长得越快。

[图片上传失败...(image-d50466-1621943256540)]

二项逻辑斯谛回归模型(binomial logistic regression model)

二项逻辑斯谛回归模型是如下的条件概率分布：

$P(Y=1|x)=\dfrac{\exp{(\omega\cdot x+b)}}{1+\exp{(\omega\cdot x+b)}}$

$P(Y=0|x)=\dfrac{1}{1+\exp{(\omega\cdot x+b)}}$

这里 $x\in \mathbb{R}^n$ 是输入， $Y\in \{0,1\}$ 是输出， $\omega\in \mathbb{R}^n$ 和 $b\in\mathbb{R}$ 是参数， $\omega$ 称为权值向量， $b$ 称为偏置。

一个事件的几率(odds)是指该事件发生的概率与该事件不发生的概率的比值。对于逻辑斯谛回归而言，其对数几率(log odds)或logit函数是

$\log{\dfrac{P(Y=1|x)}{1-P(Y=1|x)}} = \omega\cdot x +b$

参数估计（极大似然估计）

对于给定的训练数据集 $T=\{(x_1,y_1),(x_2,y_2),\dots,(x_N,y_N)\}$ ，设

$P(Y=1|x)=\pi(x)$ ， $P(Y=0|x)=1-\pi(x)$

似然函数为

$\prod_{i=1}^{N} [\pi(x_i)]^{y_i}[1-\pi(x_i)]^{1-y_i}$

对数似然函数为

$\begin{aligned}L(\omega) &= \sum_{i=1}^N \left[ y_i\log{\pi(x_i)} + (1-y_i)\log{(1-\pi(x_i))} \right] \\&= \sum_{i=1}^N \left[ y_i\log{\dfrac{\pi(x_i)}{1-\pi(x_i)}} + \log{(1-\pi(x_i))} \right] \\&= \sum_{i=1}^N \left[ y_i(\omega\cdot x_i+b) - \log{(1+\exp(\omega\cdot x_i+b))} \right]\end{aligned}$

对 $L(\omega)$ 求极大值，得到 $\omega$ 的估计值 $\hat{\omega}$ 。如此，问题就变成了以对数似然函数为目标函数的最优化问题。逻辑斯谛回归学习中通常采用的方法是梯度下降法和拟牛顿法。

多项逻辑斯谛回归(multi-nominal logistic regression model)

用于多分类模型。假设离散型随机变量 $Y$ 的取值集合是 $\{1,2,\dots,K\}$ ，那么多项逻辑斯谛回归模型是

$\left\{\begin{aligned}P(Y=k|x)&=\dfrac{\exp{(\omega_k \cdot x)}}{1+\sum_{k=1}^{K-1}\exp{(\omega_k\cdot x)}},k=1,2,\dots,K-1\\P(Y=K|x) &= \dfrac{1}{1+\sum_{k=1}^{K-1}\exp{(\omega_k\cdot x)}}\end{aligned}\right.$

这里， $x\in \mathbb{R}^{n+1}$ ， $\omega_k\in \mathbb{R}^{n+1}$ 。

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 202,529评论 5赞 475
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 85,015评论 2赞 379
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 149,409评论 0赞 335
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,385评论 1赞 273
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,387评论 5赞 364
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,466评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 37,880评论 3赞 395
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,528评论 0赞 256
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 40,727评论 1赞 295
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,528评论 2赞 319
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,602评论 1赞 329
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,302评论 4赞 318
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 38,873评论 3赞 306
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,890评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,132评论 1赞 259
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 42,777评论 2赞 349
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,310评论 2赞 342

统计学习方法笔记06

第6章 逻辑斯谛回归与最大熵模型

6.1 逻辑斯蒂回归模型

推荐阅读更多精彩内容

第6章逻辑斯谛回归与最大熵模型