由於Logistic迴歸面對的是分類問題,其結果是離散的,因此我們使用Sigmoid函數進行擬合分類。
if g > 0.5 Y = 1
if g <= o.5 Y = 0
在線性迴歸中我們使用了
表示損失函數loss, 對應本文中的邏輯迴歸,我們的loss函數如下:
但是該函數爲一個非凸函數,其圖像如下:
對於非凸函數,使用梯度下降算法,權值很容易收斂到局部最小值M',而非M
因此我們需要修改邏輯迴歸的損失函數loss
綜合簡化一下:
因此:
梯度下降:
1.
2.
3.
4.
5.