logistic回归边界形式为:
θ0+θ1x1+θ2x2+...+θdxd=∑θixi =θTx 其中i=0,1,2,,,d(d为特征数)
分类预测函数为:
hθ(x)=1/(1+exp(-θTx)
hθ(x)表示类别为1的概率,可以得到如下:
P(y=1|x)=hθ(x)-------1
P(y=0|x)=1-hθ(x)--------2
下面构造评估函数:
1和2式可以联立为 P(y|x)=(hθ(x))y(1-hθ(x))(1-y)
似然函数L(θ):
L(θ)=∏i=1 to m P(y(i)|x(i),θ)
=∏i=1 to m hθ(x(i))y(i)(1-hθ(x(i)))1-y(i)
对数似然函数:
L(θ)=∑i=1 to m(y(i)loghθ(x(i))+(1-y(i))log(1-hθ(x(i)))-------3
梯度上升求L(θ)的解:
θj=θj+α∂L(θ)/∂θj
由3求得θ的偏导数为:
∂L(θ)/∂θj=∑i=1 to m(hθ(x(i)-y(i))xj(i)
故得到:
θj=θj+α∑i=1 to m(hθ(x(i)-y(i))xj(i)