逻辑回归：损失函数与梯度下降

1 sigmoid函数

2 极大似然估计MLE与损失函数

3 梯度下降

4 另一种形式的损失函数及其梯度

1.1 sigmoid函数

由于二分类结果是1或者0，这与数学的阶跃函数很类似，但是阶跃函数在x=0的位置会发生突变，这个突变在数学上很难处理。所以一般使用sigmoid函数来拟合：

g(z)=11+e−z(1)

具体应用到逻辑回归算法中：

z=ω0+ω1x1+ω2x2+......+ωnxn=∑i=0nωixi＝ωTX(2)

其中xi表示样本属性（对于我们而言，就是标签IP）的值， ωi表示这个属性对应的系数（也就是算法需要计算的内容）。注意这里将x0与ω0也代入了上述公式，其中前者恒为1。于是问题就变成了在训练样本中，已知属性x与最终分类结果y（1或者0）时，如何求得这些系数 ωi，使得损失最小。

1.2 极大似然估计MLE与损失函数

在机器学习理论中，损失函数（loss function）是用来衡量模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数，损失函数越小，模型越优（还需考虑过拟合等问题）。损失函数是经验风险函数的核心部分，也是结构风险函数重要组成部分。模型的结构风险函数包括了经验风险项和正则项，通常可以表示成如下式子

ω∗=argminω1m∑i=1mL(yi,f(xi;ω))+λ Φ(ω)(3)

其中m表示样本的数量。对于逻辑回归，其loss function是log损失，这可以通过极大似然估计进行推导得到。

首先，给定一个样本x，可以使用一个线性函数对自变量进行线性组合，即上述的（2）式子：

z=ω0+ω1x1+ω2x2+......+ωnxn=∑i=0nωixi＝ωTX(4)

根据sigmoid函数，我们可以得出预测函数的表达式为：

hω(x)=g(ωTx)=11+e−ωTx(5)

上式表示y=1的预测函数为hω(x)。在这里，假设因变量y服从伯努利分布，取值为0和1，那么可以得到下列两个式子：

p(y=1|x)=hω(x)(6)

p(y=0|x)=1−hω(x)(7)

而对于上面的两个表达式，通过观察，我们发现，可以将其合并为以下表达式：

p(y|x)=hω(x)y(1−hω(x))1−y(8)

根据上面的式子，给定一定的样本之后，我们可以构造出似然函数，然后可以使用极大似然估计MLE的思想来求解参数。但是，为了满足最小化风险理论，我们可以将MLE的思想转化为最小化风险化理论，最大化似然函数其实就等价于最小化负的似然函数。对于MLE，就是利用已知的样本分布，找到最有可能（即最大概率）导致这种分布的参数值；或者说是什么样的参数才能使我们观测到目前这组数据的概率最大。使用MLE推导LR的loss function的过程如下。

首先，根据上面的假设，写出相应的极大似然函数（假定有m个样本）：

L(ω)=∏i=1mp(yi|xi;ω)=∏i=1mhω(xi)yi(1−hω(xi)1−yi(9)

上述式子中的ω及xi均为向量，并未显示其转置。

直接对上面的式子求导会不方便，因此，为了便于计算，我们可以对似然函数取对数，经过化简可以得到下式的推导结果：

logL(ω)=∑i=1mlog[(hω(xi)yi(1−hω(xi))1−yi)]=∑i=1m[yiloghω(xi)+(1−yi)log(1−hω(xi))](10)

因此，损失函数可以通过最小化负的似然函数得到，即下式：

J(ω)=−1m∑i=1m[yiloghω(xi)+(1−yi)log(1−hω(xi)](11)

在周志华版的机器学习中，将sigmiod函数代入hω(xi)，并使用ln代替log，上述公式表示为：

J(ω)=−1m∑i=1m[yilnhω(xi)+(1−yi)ln(1−hω(xi)]=−1m∑i=1m[yiln11+e−ωxi+(1−yi)lne−ωxi1+e−ωxi]=−1m∑i=1m[ln11+eωxi+yiln1e−ωxi]=1m∑i=1m[−yiwxi+ln(1+eωxi)](12)

在某些资料上，还有另一种损失函数的表达形式，但本质是一样的，如下【推导见下面1.4】：

J(ω)=1m∑i=1mlog(1+e−yiωx)(13)

1.3 梯度下降

这里就以梯度下降为例对逻辑回归进行求解，其迭代公式的推导过程如下：

∂J(ω)∂ωj=−1m∑im[yi(1−hω(xi))⋅(−xi,j)+(1−yi)hω(xi)⋅(xi,j)]=−1m∑im(−yi⋅xi,j+hω(xi)⋅xi,j)=−1m∑im(hω(xi)−yi)xi,j(12)

上述中xi,j表示第i个样本的第j个属性的取值。

于是，ω的更新方式为：

ωj+1=ωj−α∑i=1m(hω(xi）−yi)xx,j(13)

对于随机梯度下降，每次只取一个样本，则ω的更新方式为：

ωj+1=ωj−α(hω(x）−y)xj(13)

其中x为这个样本的特征值，y为这个样本的真实值，xj为这个样本第j个属性的值。

这使用周志华版的损失函数更容易得出这个结论。

1.4 另一种形式的损失函数及其梯度

与上面相同，根据sigmoid函数，我们可以得出预测函数的表达式为：

hω(x)=g(ωTx)=11+e−ωTx(5)

上式表示y=1的预测函数为hω(x)。

但与上面不同，我们假设样本的分布为{-1,1}，则

p(y=1|x)=hω(x)(14)

p(y=−1|x)=1−hω(x)(15)

对于sigmoid函数，有以下特性（简单推导一下就可以得到）：

h(−x)=1−h(x)(14)

于是(14)(15)式可以表示为：

p(y|x)=hω(yx)(16)

同样，我们使用MLE作估计，

L(ω)=∏i=1mp(yi|xi;ω)=∏i=1mhω(yixi)=∏i=1m11+e−yiwxi(17)

对上式取对数及负值，得到损失为：

−logL(ω)=−log∏i=1mp(yi|xi;ω)=−∑i=1mlogp(yi|xi;ω)=−∑i=1mlog11+e−yiwxi=∑i=1mlog(1+e−yiwxi)(18)

即对于每一个样本，损失函数为：

L(ω)=log(1+e−yiwxi)(19)

对上式求梯度，容易得到：

∂J(ω)∂ωj=−yixi1+eyiωxi(20)