机器学习实战 - 读书笔记(05) - Logistic回归

解释

Logistic回归用于寻找最优化算法。

• 最优化算法可以解决最XX问题，比如如何在最短时间内从A点到达B点？如何投入最少工作量却获得最大的效益？如何设计发动机使得油耗最少而功率最大？
  我们可以看到最XX问题，有寻找最小（最短时间）和最大等。
  • 解决最小类问题会使用梯度下降法。可以想象为在一个山坡上寻找最陡的下坡路径。
  • 同理，解决最大类问题会使用梯度上升法。可以想象为在一个山坡上寻找最陡的上坡路径。

• 寻找最优化算法，可以通过试图找到一个阶跃函数(step function)，由于阶跃函数只返回0或者1.因此这个阶跃函数可以作为分类器。

• 一个方案是利用Sigmoid函数做出一个阶跃函数。
  \(\sigma(z) = \frac{1}{1 + e^{-z}}\)
  在人工神经网络中，Sigmoid函数是一种常见的激励函数（activation function）。
  通过Sigmoid函数的曲线可以看出，其返回值在0到1之间，大部分值都贴近0或者1.只有z在0附近时，形成一个上升曲线，z=0是，返回值是0.5.
  因此当Sigmoid函数返回值大于0.5,这个阶跃函数返回1，否则返回0.

• 这时，问题变成如何算z。
  \(z = w_0x_0 + w_1x_1 + ... + w_nx_n\)
  如果采用向量的写法，上述公式可以写成
  $ z = w^Tx$
  它表示将这两个数值向量的对应元素相乘然后全部加起来即得到z值。其中的向量x是分类器的输入数据，向量w也就是我们要找到的最佳参数（系数），从而使得分类尽可能地精确.
  这是一个线性函数。（为什么一定是线性函数？线性方程可以想象为一条直线（2维情况下），或者一个平面（3维情况下），第一：线性函数是递增或者递减的，复合sigmoid函数的要求，第二：比较好解。）
  或者说这是一个多元一次方程，我们要根据训练数据算出最佳的\(w_0, ... w_n\).
  • 技巧1: 加入不变量。
    比如在一元一次方程中\(z=w_0x_0\)，由于没有常数项，就限制求出最佳解。因此可以变成\(z=w_0x_0 + w_1x_1\)，其中\(x_0 = 1\)。这就是为什么书中的代码中加入1.0列的原因。
• 如果求解w? 如果是求最大类问题，我们使用梯度上升算法的迭代公式。
  \(w:= w + \alpha \nabla_wf(w)\)
  其中，\(\alpha\)为步长。步长太大会导致震荡，找到的w不精确。步长太小会影响运算效率。步长可以在迭代的过程中改变。
  • 技巧2： 步长是一个重要的计算参数。正确的计算一个步长很关键。书中使用了动态步长，在计算中步长逐渐缩短。
    从微积分的角度来说，这个公式就是在现在的w上加上激励函数的导数乘以步长。
• 梯度上升法
  所以梯度上升算法的迭代公式为：
  \(w:= w + \alpha \nabla_wf(w)\)
  书中的计算： weights = weights + alpha * (label - sigmoid(sum(dataMatrix[index] * weights)) * dataMatrix[index]
  书中实际的计算公式为：
  $w:= w + \alpha (c - f(x)) x $
  其中：
  \(w\)是向量。
  \(\alpha\)是步长。
  \(c\)是期望值， x的实际分类，值为0或1。
  \(f(x)\)是sigmoid函数。可以是算总和，或者是向量。
  \((c - f(x))\)有两个作用：一个是提供偏移方向，是增加还是减少。另外一个作用是偏移量的一个因子。如果f(x)是一个阶跃函数，则值为-1,0,1，这种情况下只有第一个作用。对于sigmoid函数,其值的范围[-1, 1]。
  \(x\)是向量。书中似乎认为x越大，偏移量应该越大。
  这个似乎有问题。一个问题是如果所有的x都很大，而且集中在一个区域里，则偏移量似乎过大。
  第二，下面的例子：
  测试数据1：
  [
  [[0, 1], [0]],
  [[0, 2], [0]],
  [[0, 4], [1]],
  [[0, 5], [1]]]
  测试数据2：
  [
  [[10000, 1], [0]],
  [[10000, 2], [0]],
  [[10000, 4], [1]],
  [[10000, 5], [1]]]
  这两个测试数据测分割线都是: \(0 = -3 + x_2\)，和x无关。
  这个情况下，书中的计算公式明显不正确。
  这也说明这个迭代公式需要根据实际情况调整。
  • 技巧3： 需要大量的迭代才能算出最优的w。书中对测试数据进行了150迭代。

其它说明

• 梯度上升算法的迭代公式
  梯度上升算法用来求函数的最大值。
  \(w:= w + \alpha \nabla_wf(w)\)
  其中，\(\alpha\)为步长。步长太大会导致震荡，找到的w不精确。步长太小会影响运算效率。书中的步长是数据size的1/10。步长可以在迭代的过程中改变。

• 梯度下降算法的迭代公式
  梯度下降算法用来求函数的最小值。
  \(w:= w - \alpha \nabla_wf(w)\)

• Sigmoid函数的导数
  \(f'(x) = f(x) [1-f(x)]\)

• 梯度上升法，计算梯度
  如果梯度记为\(\nabla\)，则函数f(x,y)的梯度由下式表示：
  \(\nabla f(x, y) = \binom{\frac{\nabla f(x, y)}{\nabla x}} {{\frac{\nabla f(x, y)}{\nabla y}}}\)
  这个梯度意味着要沿x的方向移动 \(\frac{\nabla f(x, y)}{\nabla x}\)，要沿y的方向移动 \(\frac{\nabla f(x, y)}{\nabla y}\)。

参考

• Machine Learning in Action by Peter Harrington
• 激活函数实现--2 Sigmoid函数实现