前言
前面主要是讲反向传播和梯度下降的方法,那么其实涉及梯度的机器学习方法并不是只有深度学习一种,逻辑回归也是可以利用梯度的信息进行参数的更新,使得模型逐步满足我们的数据要求。注意,逻辑回归输出的是属于某一种类别的概率,利用阈值的控制来进行判别,因此逻辑回归本质上是一种分类方法。
逻辑斯蒂回归(logistic regression,下面简称逻辑回归),是一种十分经典的分类方法。我们首先介绍一下逻辑回归的定义。
假设我们有一个数据集
,一共包含
个样本数据,即:
,其中,
。为了表示的方便,我们不妨设当
时为正样本,当
时为负样本,当然,反过来也是可以的,这个并不重要,只不过一般习惯这样表达。
在SVM中,我们根据数据集的分布,求解出了一个二分的超平面 ,现在我们要对一个新的样本点 进行分类预测,需要将这个样本点带入上面的超平面公式。当 时,我们将这个样本点标记为1,当 时,我们将这个样本点标记为-1。观察到SVM只能对新样本输出 ,无法较为准确的输出样本属于每一个类别的概率究竟是多少。SVM结果的正确性在于它保证了找到的是样本间隔最大的那个超平面,这样就可以保证以最高的精确度区分新的样本。然而SVM却无法对一个新样本的概率进行求解。而这就是逻辑回归主要做的事情,它输出的是一个概率值,当这个概率值大于一定的阈值时,样本标记为1,反之则标记为0。
熟悉深度学习的人肯定对这个函数非常了解,它是早期深度学习网络经常使用的激活函数之一。它的定义公式如下:
它的函数图像是一个典型的S型曲线,定义域是全体实数。我们根据公式可以发现,这个函数将全体实数映射到了
区间上,并在这个区间上单调递增,
越大,函数值越大。而这正好符合我们需要的概率分布的规律。
二项逻辑回归模型本质上是一个类似下面公式的条件分布:
其中,第一个式子是我们需要重点关注的。我们对第一个式子右边的分数,上下同时乘以
,得到:
以上就是我们经常可以看到的逻辑回归的公式了。
现在我们将偏置量也放进参数
中,所以变量
的尾部会增加一个多余的维度1来和偏置量进行匹配,于是,我们有如下的表示方式:
于是,原逻辑回归公式可以有以下的表达:
很容易想到,损失函数我们仍然可以使用前面介绍的差方和的方法计算。当距离目标越近时,差方和越小,损失就会越小。事实上并不能这样进行处理。
原因是如果使用差方和作为最后的损失函数,那么我们得到的最后的损失函数并不是一个简单的凹函数(或者凸函数),这个函数存在许多的局部极小值,因此很难通过梯度下降的方法收敛到全局最小值附近,这样导致的结果就是训练出来的模型并不能很好的满足我们的需要,误差较大。
所以我们必须要重新定义一个满足我们条件的损失函数,或者称为目标函数。我们考虑使用极大似然估计的方法进行参数估计。
对于其中的某一个样本,如果该样本的标签为1,那么我们需要极大化
,如果该样本的标签为0,那么我们需要极大化
,于是对于每一个样本数据,综合来看,我们只需要极大化以下的式子即可:
上面的式子看起来很吓人,其实本质很简单。于是我们的似然函数可以表示为
由于这里涉及指数,而且是连乘运算,计算不方便,于是我们可以用取对数的方式进行处理,这里可以这样处理的原因是上式取最大的时候,其对数也一定是取最大值,因为对数函数是一个单调函数。于是有:
现在我们可以将之前的计算结果带入到公式(6)中进行化简:
于是我们需要的似然函数就变成了:
上面的似然函数并不能直接进行最优化求解,于是我们常常利用梯度下降的方法进行逐步迭代求解,这就需要对上面的公式进行求导的操作,我们对参数
求导如下:
以上就是利用梯度下降算法进行逻辑回归问题的求解的(偏)导数计算公式,在每一轮的迭代过程中,我们对所有的样本进行梯度计算,最后累加梯度,然后按照计算出的梯度信息更新需要的参数。
由于我们这里需要将似然函数极大化,因此和反向传播的梯度下降不同,这里使用的是类似的梯度上升的方法,于是我们有如下的迭代公式:这里的
指的是学习率(或者说是步长信息)
在利用不同的方式计算损失函数时,我们总是希望得到的损失函数时一个凸函数(或者凹函数),这样我们就可以保证只有一个全局的最优解,而且不存在局部极小值或者极大值,而这些条件都对我们使用梯度下降方法来求解最优化问题十分有利。如果一个函数的二阶导数总是恒大于0,我们称这个函数为凸函数,如果一个函数的二阶导数总是恒小于0,我们称这个函数为凹函数,凸函数一定存在一个全局最小值,凹函数一定存在一个全局最大值,并且不管是凹函数还是凸函数都不存在局部极小值或者局部最大值。
我们以 为例,经过计算我们得到它的二阶导数为 ,是一个大于0的常数,因此该函数是一个凸函数,其不存在各种局部最小值或者局部最大值,只有一个全局最小值0(当然这个全局最小值也可以看作是一个某一个区域内的局部最小值)。
现在我们重新审视一下我们的似然函数,之前我们已经求解出了似然函数的梯度信息(一阶导数),即:
我们继续对上式进行求导的操作,有:
可以发现的是,上式对于任何的一个数据集合来说都是恒小于0的,因此可以说当我们使用极大似然估计作为损失函数时,该函数是一个凹函数,有一个最大值,可以利用梯度下降(严格来说这个应该是梯度上升的方法)进行求解。
通常,当我们求解出最终的参数时,可以获得一个超平面。往往我们将逻辑回归的阈值设置为0.5,将输出值高于0.5的样本标记为正样本,将输出值低于0.5的样本标记为负样本,于是,我们可以得到分类的超平面为:
化简之后,我们可以得到最终的超平面的表达式为:
这里的数据使用的是《机器学习实战》的数据,一共有100组数据:
-0.017612 14.053064 0 -1.395634 4.662541 1 -0.752157 6.538620 0 -1.322371 7.152853 0 0.423363 11.054677 0 0.406704 7.067335 1 0.667394 12.741452 0 -2.460150 6.866805 1 0.569411 9.548755 0 -0.026632 10.427743 0 0.850433 6.920334 1 1.347183 13.175500 0 1.176813 3.167020 1 -1.781871 9.097953 0 -0.566606 5.749003 1 0.931635 1.589505 1 -0.024205 6.151823 1 -0.036453 2.690988 1 -0.196949 0.444165 1 1.014459 5.754399 1 1.985298 3.230619 1 -1.693453 -0.557540 1 -0.576525 11.778922 0 -0.346811 -1.678730 1 -2.124484 2.672471 1 1.217916 9.597015 0 -0.733928 9.098687 0 -3.642001 -1.618087 1 0.315985 3.523953 1 1.416614 9.619232 0 -0.386323 3.989286 1 0.556921 8.294984 1 1.224863 11.587360 0 -1.347803 -2.406051 1 1.196604 4.951851 1 0.275221 9.543647 0 0.470575 9.332488 0 -1.889567 9.542662 0 -1.527893 12.150579 0 -1.185247 11.309318 0 -0.445678 3.297303 1 1.042222 6.105155 1 -0.618787 10.320986 0 1.152083 0.548467 1 0.828534 2.676045 1 -1.237728 10.549033 0 -0.683565 -2.166125 1 0.229456 5.921938 1 -0.959885 11.555336 0 0.492911 10.993324 0 0.184992 8.721488 0 -0.355715 10.325976 0 -0.397822 8.058397 0 0.824839 13.730343 0 1.507278 5.027866 1 0.099671 6.835839 1 -0.344008 10.717485 0 1.785928 7.718645 1 -0.918801 11.560217 0 -0.364009 4.747300 1 -0.841722 4.119083 1 0.490426 1.960539 1 -0.007194 9.075792 0 0.356107 12.447863 0 0.342578 12.281162 0 -0.810823 -1.466018 1 2.530777 6.476801 1 1.296683 11.607559 0 0.475487 12.040035 0 -0.783277 11.009725 0 0.074798 11.023650 0 -1.337472 0.468339 1 -0.102781 13.763651 0 -0.147324 2.874846 1 0.518389 9.887035 0 1.015399 7.571882 0 -1.658086 -0.027255 1 1.319944 2.171228 1 2.056216 5.019981 1 -0.851633 4.375691 1 -1.510047 6.061992 0 -1.076637 -3.181888 1 1.821096 10.283990 0 3.010150 8.401766 1 -1.099458 1.688274 1 -0.834872 -1.733869 1 -0.846637 3.849075 1 1.400102 12.628781 0 1.752842 5.468166 1 0.078557 0.059736 1 0.089392 -0.715300 1 1.825662 12.693808 0 0.197445 9.744638 0 0.126117 0.922311 1 -0.679797 1.220530 1 0.677983 2.556666 1 0.761349 10.693862 0 -2.168791 0.143632 1 1.388610 9.341997 0 0.317029 14.739025 0
前两列为数据,最后一列为对应数据的标签。
代码如下:
import matplotlib.pyplot as plt import numpy as np def read_file(): positive = [] negative = [] f = open("testSet.txt", "r") for line in f: l = line.strip() l = l.split("\t") l = [float(i) for i in l] if l[-1] == 1.0: positive.append([l[0], l[1], 1]) else: negative.append([l[0], l[1], 1]) positive = np.array(positive, dtype=np.float) negative = np.array(negative, dtype=np.float) return positive, negative def cost(positive, negative, w): c = 0 for i in positive: c += 1.0 * np.sum(np.multiply(w, i)) - np.log(1 + np.exp(np.sum(np.multiply(w, i)))) for i in negative: c += 0.0 * np.sum(np.multiply(w, i)) - np.log(1 + np.exp(np.sum(np.multiply(w, i)))) return c def loop(): positive, negative = read_file() w = np.array([1, 1, 1]) w_copy = w.copy() alpha = 0.001 for i in range(2000): print(cost(positive, negative, w)) gradient = np.array([0., 0., 0.]) for i in positive: gradient += 1.0 * i - (np.exp(np.sum(np.multiply(w, i))) * i) / (1 + np.exp(np.sum(np.multiply(w, i)))) for i in negative: gradient += 0.0 * i - (np.exp(np.sum(np.multiply(w, i))) * i) / (1 + np.exp(np.sum(np.multiply(w, i)))) w = w + alpha * gradient return positive, negative, w, w_copy if __name__ == '__main__': positive, negative, w, w_origin = loop() plt.scatter(positive[:, 0], positive[:, 1], c="red") plt.scatter(negative[:, 0], negative[:, 1], c='blue') xs = np.linspace(-4, 3.5, 300) ys1 = (w[0] * xs + w[2]) / (- w[1]) ys2 = (w_origin[0] * xs + w_origin[2]) / (- w_origin[1]) plt.plot(xs, ys1, c="green") plt.plot(xs, ys2, c="yellow") plt.show()
代码运行结果如下,其中黄色直线表示的是初始的分隔超平面,绿色的直线表示为分类超平面,可以看出,样本数据可以较好地被分隔开,第二幅图表示的是梯度上升的情况,可以看到,算法可以较好地收敛于全局最优解附近: