每日一个机器学习算法——LR(逻辑回归)

本系列文章用于汇集知识点，查漏补缺，面试找工作之用。数学公式较多，解释较少。

1.假设

2.sigmoid函数:

3.假设的含义：

4.性质：

5.找一个凸损失函数

6.可由最大似然估计推导出

单个样本正确预测的概率为

只是3两个式子合并在一起的表示方法

整个样本空间的概率分布为

取对数展开得，

作为损失函数，并且最小化它，则应改写为5式。

7.求解方法

最原始的方法，梯度下降法

先求导，并带入sigmoid表达式得

之后，参数更新为：

终止条件：

目前指定迭代次数。后续会谈到更多判断收敛和确定迭代终点的方法。

8.高级方法

共轭梯度

BFGS,L-BFGS