logistic回归算法的损失函数：binary_crossentropy（二元交叉熵）

时间：2018-12-02 23:47:01 阅读：3813 评论：0 收藏：0 [点我收藏+]

假设函数：

技术分享图片

更为一般的表达式：

（1）

似然函数：

（2）

对数似然函数：

如果以上式作为目标函数，就需要最大化对数似然函数，我们这里选择最小化负的对数似然函数

（3）

对J(w)求极小值，对技术分享图片

求导

（4）

上述中

表示第i个样本的第j个属性的取值。

于是

的更新方式为：

（5）

将（5）式带入（4）式，得：

梯度下降GD 技术分享图片

的更新方式,使用全部样本：

（6）

当样本不多的时候，可以选择这个方法

随机梯度下降：

每次只取一个样本，则技术分享图片

的更新方式：

（7）

为这个样本的特征值，技术分享图片

是其真实值，

是这个样本的第j个属性

随机平均梯度下降法（sag，Stochasitc Average Gradient ）：

该算法是选取一小部分样本梯度的平均值来更新权重（其中n<m,m为样本数）

（8）

SGD和GD算法的折中

小结：

在尝试写一些机器学习相关的笔记，先写下一篇，欢迎讨论~

原文：https://www.cnblogs.com/sunrise-keephungary/p/10056027.html

踩

(0)

(1)

评论一句话评论（0）

分享档案

更多>