【学习笔记】机器学习(Machine Learning) | 第五周| 分类与逻辑回归

机器学习（Machine Learning）

简要声明

基于吴恩达教授(Andrew Ng)课程视频
BiliBili课程资源

---

---

一、逻辑回归的基本原理

逻辑回归是一种常用的分类算法，它可以将线性回归的输出映射到概率空间，从而实现二分类或多分类任务。其核心思想是通过一个线性函数来拟合数据，然后使用激活函数将其输出限制在 [0, 1] 区间内，表示为概率值。

逻辑回归模型的数学表达式为：

$$f_{w,b}(x)=\sigma (wx+b)$$

其中，$f_{w,b}(x)$ 是模型的输出，$w$ 和 $b$ 分别是权重和偏置项，$\sigma$ 是激活函数，通常使用 Sigmoid 函数，其定义为：

$$\sigma (z)=\frac{1}{1+e^{-z}}$$

通过 Sigmoid 函数，我们可以将线性回归的输出 $z=wx+b$ 转换为概率值。当 $z$ 很大时，$\sigma (z)$ 接近于 1；当 $z$ 很小时，$\sigma (z)$ 接近于 0。

• 在单变量图中，阳性结果同时显示为红色的 ‘X’ 和 y=1。阴性结果为蓝色 ‘O’，位于 y=0 处。
  在线性回归的情况下，y 不限于两个值，而是可以是任何值。
• 在双变量图中，y 轴不可用。正面结果显示为红色“X”，而负面结果则使用蓝色“O”符号。
  在具有多个变量的线性回归的情况下，y 不会局限于两个值，而类似的图应该是三维的。

分类判断条件

在分类任务中，根据模型的输出来判断样本的类别。逻辑回归模型的分类判断条件如下：

条件	分类结果
$f_{w,b}(x)\ge 0.5$	$\hat{y}=1$
$f_{w,b}(x)<0.5$	$\hat{y}=0$

决策边界的选择会影响模型的分类结果，可能需要根据具体问题调整。

模型输出的解释

逻辑回归模型的输出可以解释为样本属于正类（1）的概率。数学表达式为：

$$f_{\overrightarrow{w},b}(\overrightarrow{x})=P(y=1|\overrightarrow{x};\overrightarrow{w},b)$$

这意味着，给定输入特征 $\overrightarrow{x}$ 和模型参数 $\overrightarrow{w},b$，模型输出的是样本 $y$ 属于正类（1）的概率。例如，如果 $f_{\overrightarrow{w},b}(\overrightarrow{x})=0.7$，表示模型预测该样本有 70% 的概率属于正类（1）。

由于概率的性质，我们有：

$$P(y=0)+P(y=1)=1$$

Sigmoid 函数与 Logistic 函数

为了将线性回归的输出限制在 [0, 1] 区间内，逻辑回归使用了 Sigmoid 函数（也称为 Logistic 函数）。其数学定义为：

$$g(z)=\frac{1}{1+e^{-z}}$$

其中，$z$ 是线性回归的输出，即：

$$z=\overrightarrow{w}\cdot \overrightarrow{x}+b$$

通过 Sigmoid 函数，线性回归的输出被转换为概率值。Sigmoid 函数的曲线显示，当 $z$ 很大时，$g(z)$ 接近于 1；当 $z$ 很小时，$g(z)$ 接近于 0。

逻辑回归模型的输出范围

逻辑回归模型的输出范围在 0 和 1 之间，得益于 Sigmoid 函数的特性：

$$0<g(z)<1$$

因此，逻辑回归模型的输出可以解释为概率值，表示样本属于正类（1）的可能性。

# Generate an array of evenly spaced values between -10 and 10
z_tmp = np.arange(-10,11)y = sigmoid(z_tmp)np.set_printoptions(precision=3) 
print("Input (z), Output (sigmoid(z))")
print(np.c_[z_tmp, y])

输出结果为

实际应用示例

可以看见线性函数受数据影响很大


逻辑函数很好地拟合了数据

以肿瘤大小（直径，单位为厘米）为输入特征 $x$，肿瘤是否为恶性（1 表示恶性，0 表示良性）为输出 $y$。逻辑回归模型可以预测给定肿瘤大小的情况下，肿瘤为恶性的概率。

例如，假设模型预测当肿瘤大小为某个值时，$f_{\overrightarrow{w},b}(\overrightarrow{x})=0.7$，意味着模型认为该肿瘤有 70% 的概率为恶性。

---

二、决策边界

在逻辑回归中，决策边界是模型用于划分不同类别样本的边界。对于二分类任务，决策边界通常是一个阈值，例如 0.5。当模型输出大于等于 0.5 时，我们预测样本属于正类（1）；当模型输出小于 0.5 时，我们预测样本属于负类（0）。

决策边界的选择对于模型的性能至关重要。在实际应用中，我们可能需要根据具体问题调整决策边界，以平衡精度和召回率。

决策边界的数学表达

决策边界的数学表达式为：

$$f_{\overrightarrow{w},b}(\overrightarrow{x})\ge 0.5$$

根据 Sigmoid 函数的性质，当且仅当线性组合 $z=\overrightarrow{w}\cdot \overrightarrow{x}+b\ge 0$ 时，$g(z)\ge 0.5$。因此，决策边界可以表示为：

$$\overrightarrow{w}\cdot \overrightarrow{x}+b=0$$

线性决策边界示例

假设我们有一个二维特征空间，其中 $x_1$ 和 $x_2$ 是两个特征。决策边界可以表示为：

$$w_1{x}_1+w_2{x}_2+b=0$$

例如，假设 $w_1=1$, $w_2=1$, $b=-3$，则决策边界为：

$$x_1+x_2-3=0$$

即：

$$x_1+x_2=3$$

这个决策边界将特征空间划分为两个区域：当 $x_1+x_2\ge 3$ 时，预测 $\hat{y}=1$；否则预测 $\hat{y}=0$。

非线性决策边界

逻辑回归模型也可以处理非线性决策边界。通过引入多项式特征，我们可以构造更复杂的决策边界。例如：

$$z=w_1{x}_1^2+w_2{x}_2^2+b$$

决策边界为：

$$w_1{x}_1^2+w_2{x}_2^2+b=0$$

例如，假设 $w_1=1$, $w_2=1$, $b=-1$，则决策边界为：

$$x_1^2+x_2^2-1=0$$

即：

$$x_1^2+x_2^2=1$$

这个决策边界是一个半径为 1 的圆，将特征空间划分为内部和外部两个区域：当 $x_1^2+x_2^2\ge 1$ 时，预测 $\hat{y}=1$；否则预测 $\hat{y}=0$。

非线性决策边界的示例

考虑一个更复杂的非线性决策边界：

$$z=w_1{x}_1^2+w_2{x}_2^2+w_3{x}_1^3+w_4{x}_1{x}_2+w_5{x}_2^3+b$$

决策边界为：

$$w_1{x}_1^2+w_2{x}_2^2+w_3{x}_1^3+w_4{x}_1{x}_2+w_5{x}_2^3+b=0$$

这个决策边界可以是椭圆、圆形或其他复杂的形状，具体取决于参数的选择。

决策边界是逻辑回归模型用于划分不同类别样本的边界。对于线性可分的数据，决策边界是一个线性方程；对于非线性可分的数据，可以通过引入多项式特征来构造非线性决策边界。

在实际应用中，合理选择决策边界对于提高模型的分类性能至关重要。通过调整模型参数，我们可以使决策边界更好地适应数据的分布。

---

三、代价函数

平方误差代价函数

在逻辑回归中，如果我们直接使用线性回归的平方误差代价函数：

$$J(\overrightarrow{w},b)=\frac{1}{m}\sum _{i=1}^m\frac{1}{2}(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})-y^{(i)}{)}^2$$

其中，$f_{\overrightarrow{w},b}(\overrightarrow{x})=\overrightarrow{w}\cdot \overrightarrow{x}+b$ 是线性回归模型的输出。

然而，对于逻辑回归，这种代价函数可能会导致非凸问题，使得梯度下降算法难以收敛到全局最小值。

线性回归

并不像线性回归的“汤碗”那么光滑

逻辑回归的损失函数

为了解决这个问题，逻辑回归采用了不同的损失函数。对于单个训练样本 $({\overrightarrow{x}}^{(i)},y^{(i)})$，逻辑回归的损失函数定义为：

$$L(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}),y^{(i)})=\{\begin{array}{ll}-log(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))& \text{if }{y}^{(i)}=1\\ -log(1-f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))& \text{if }{y}^{(i)}=0\end{array}$$

其中，$f_{\overrightarrow{w},b}(\overrightarrow{x})=\frac{1}{1+e^{-(\overrightarrow{w}\cdot \overrightarrow{x}+b)}}$ 是逻辑回归模型的输出。

损失函数的性质

• 当 $y^{(i)}=1$ 时：

  • 如果 $f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})\to 1$，损失 $\to 0$
  • 如果 $f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})\to 0$，损失 $\to \infty$

• 当 $y^{(i)}=0$ 时：

  • 如果 $f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})\to 0$，损失 $\to 0$
  • 如果 $f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})\to 1$，损失 $\to \infty$

这种损失函数的设计使得模型在预测错误时付出更大的代价，从而激励模型尽可能准确地预测。

逻辑回归的代价函数

逻辑回归的代价函数是所有训练样本损失的平均值：

$$J(\overrightarrow{w},b)=\frac{1}{m}\sum _{i=1}^{m}L(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}),y^{(i)})$$

展开后为：

$$J(\overrightarrow{w},b)=\frac{1}{m}\sum _{i=1}^m\{\begin{array}{ll}-log(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))& \text{if }{y}^{(i)}=1\\ -log(1-f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))& \text{if }{y}^{(i)}=0\end{array}$$

代价函数的凸性

逻辑回归的代价函数是凸的，这意味着它只有一个全局最小值，梯度下降算法可以保证收敛到这个全局最小值。

相比之下，平方误差代价函数在逻辑回归中可能会导致非凸问题，使得梯度下降算法陷入局部最小值。

简化的损失函数

逻辑回归的损失函数可以简化为一个统一的表达式：

$$L(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}),y^{(i)})=-y^{(i)}\log (f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))-(1-y^{(i)})\log (1-f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))$$

这个表达式结合了两种情况：

• 当 $y^{(i)}=1$ 时，损失函数为 $-\log (f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))$
• 当 $y^{(i)}=0$ 时，损失函数为 $-\log (1-f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))$

简化的代价函数

逻辑回归的代价函数也可以相应地简化为：

$$J(\overrightarrow{w},b)=-\frac{1}{m}\sum _{i=1}^m\left[y^{(i)}\log (f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))+(1-y^{(i)})\log (1-f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)}))\right]$$

这个代价函数实际上是对数似然函数的负数，因此最小化这个代价函数等价于最大化似然函数。这种方法被称为 最大似然估计（Maximum Likelihood Estimation）。

逻辑回归采用了不同于线性回归的损失函数，以适应分类问题的特点。其代价函数是凸的，保证了梯度下降算法可以收敛到全局最小值。通过最小化这个代价函数，我们可以找到最优的模型参数，使模型在训练数据上的表现最佳。

---

四、梯度下降实现

梯度下降算法

梯度下降是一种常用的优化算法，用于最小化代价函数。在逻辑回归中，我们使用梯度下降来更新模型参数 $w_j$ 和 $b$，以最小化代价函数 $J(\overrightarrow{w},b)$。

参数更新规则

梯度下降的参数更新规则如下：

$$w_j=w_j-\alpha \frac{\partial }{\partial w_j}J(\overrightarrow{w},b)$$

$$b=b-\alpha \frac{\partial }{\partial b}J(\overrightarrow{w},b)$$

其中，$\alpha$ 是学习率，控制每次更新的步长。

偏导数计算

对于逻辑回归，代价函数 $J(\overrightarrow{w},b)$ 对 $w_j$ 和 $b$ 的偏导数分别为：

$$\frac{\partial }{\partial w_j}J(\overrightarrow{w},b)=\frac{1}{m}\sum _{i=1}^m(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})-y^{(i)})x_j^{(i)}$$

$$\frac{\partial }{\partial b}J(\overrightarrow{w},b)=\frac{1}{m}\sum _{i=1}^m(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})-y^{(i)})$$

梯度下降步骤

1. 初始化参数：随机初始化 $w_j$ 和 $b$。
2. 重复直到收敛：
   • 计算当前参数下的代价函数值。
   • 计算每个参数的梯度。
   • 更新参数 $w_j$ 和 $b$。
3. 终止条件：当代价函数的变化小于某个阈值或达到最大迭代次数时，停止迭代。

梯度下降的实现细节

梯度下降的伪代码

Initialize w_j and b randomly
Repeat {Compute gradients dw_j and dbUpdate w_j = w_j - alpha * dw_jUpdate b = b - alpha * db
} until convergence

向量化实现

为了提高计算效率，梯度下降可以向量化实现，即同时更新所有参数：

$$\overrightarrow{w}=\overrightarrow{w}-\alpha \frac{1}{m}{\overrightarrow{X}}^T(f_{\overrightarrow{w},b}(\overrightarrow{X})-\overrightarrow{y})$$

$$b=b-\alpha \frac{1}{m}\sum _{i=1}^m(f_{\overrightarrow{w},b}({\overrightarrow{x}}^{(i)})-y^{(i)})$$

特征缩放

在梯度下降中，特征缩放（如标准化或归一化）可以加速收敛。常见的特征缩放方法包括：

• 标准化：将特征值转换为均值为 0，标准差为 1 的分布。
• 归一化：将特征值缩放到 [0, 1] 或 [-1, 1] 区间。

可视化梯度下降示例

---