逻辑斯特回归(随机梯度上升算法)预测马疝病的死亡率问题
2017-12-25 17:54
465 查看
预测马疝病死亡率github代码
那么我们的目标就是损失(代价)函数cost function(lost function)最小化,也就是f=eTe最小,进一步地,也就是似然函数最大−12eTe最大,
f(W) = argmaxω ∈ W = −12eTe = −12(y−XW)T(y−XW) = −12(yTy−yTXW−WTXTy+WTXTXW)
则梯度为,∂f(ω)∂ω = −12(2XTXW−2XTy) = XT(y−XW) = XTe
由此得,W = W+αXTe = W+α∇ωf(ω)
随机梯度上升(下降)算法推导过程:
使用的一些变量,类别标签向量y,数据集样本矩阵X,回归系数向量W,观察值与真实值偏差向量e,步长(学习率)α,PS:以上向量均为标准列向量。那么我们的目标就是损失(代价)函数cost function(lost function)最小化,也就是f=eTe最小,进一步地,也就是似然函数最大−12eTe最大,
f(W) = argmaxω ∈ W = −12eTe = −12(y−XW)T(y−XW) = −12(yTy−yTXW−WTXTy+WTXTXW)
则梯度为,∂f(ω)∂ω = −12(2XTXW−2XTy) = XT(y−XW) = XTe
由此得,W = W+αXTe = W+α∇ωf(ω)
相关文章推荐
- 机器学习-Logistic回归之使用随机梯度上升算法预测病马死亡率
- Logistic 回归(sigmoid函数,手机的评价,梯度上升,批处理梯度,随机梯度,从疝气病症预测病马的死亡率
- 算法基础之python实现动态规划中数字三角形和最长上升子序列问题
- 算法系列_实例01_最长上升子序列问题
- 最长上升子序列问题 nlogn 实现算法的简述
- [机器学习]Logistic回归梯度上升法与改进的随机梯度上升算法
- 算法问题的解决 —— 预测答案结构(限制答案的形式)
- python机器学习-预测分析核心算法3-2代码在python3下运行遇到的一些问题
- (1)风控算法实践之用户贷款违约预测——问题描述与思路
- 机器学习--Logistic Regression(scikit-learn_ 预测疝气病症病马死亡率问题)
- 解决隐马模型中预测问题的算法是?
- 每天30行代码——随机梯度上升算法
- logistic回归算法学习笔记-从疝气症预测病马死亡率
- 海量数据处理算法(top K问题)
- 经典算法——求绝对值溢出问题
- 算法_动态规划_乘法表问题
- 名企笔试:滴滴出行2017秋招笔试(餐馆消费问题)2017-03-06 算法爱好者
- A星算法解决TSP问题
- 贪心算法-背包问题2
- 删数问题(典型的贪心算法问题)