本文共 2234 字，大约阅读时间需要 7 分钟。

呃，我觉得我的笔记稍稍有点混乱了...这周讲的依旧是线性分类器，logit为主。anyway，大家将就着看吧。

logistic regression

首先我们考虑最一般的，有K种分类的场合。依旧，我们用 G

来代替 Y

作为观测到的分类结果，那么则有：

G^=argmaxGP(G|X)

为最优的预测结果。这里我们希望找到一种线性的形式，还需要使用一些单调变换保证预测值在 [0,1] 之间。因此，我们对于每个分类 k ，假设 P(G=k|X=x)=eXβk∑Kk=1eXβk

进一步的，我们取任意类K作为对照组，且各组相加概率之和必为1，所以有：

P(G=k|X=x)=eXβk1+∑K−1k=1eXβk

且 P(G=K|X=x)=11+∑K−1k=1eXβk

所以，最终得到两组之间的概率比值为： P(G=k|X=x)P(G=K|X=x)=eXβk⇒log(P(G=k|X=x)P(G=K|X=x))=Xβk

最后求解的时候，就是直接用最大似然准则，来求解 maxL(β)=max∑Ni=1logP(Gi|Xi)

这个最大似然函数计算起来比较麻烦，通常很多是数值解。下面以 K=2

为例，来展示求解过程。

首先我们这个时候有两类，不妨记作1和0，则 P(G=1|X=x)=eXβ1+eXβ≡σ(Xβ)

P(G=0|X=x)=11+eXβ=1−σ(Xβ)

则它的对数似然函数:

L(β)===∑i=1N[GilogP(Gi=1|X=xi)+(1−Gi)logP(Gi=0|X=xi)∑i=1N[GilogP(Gi=1|X=xi)P(Gi=0|X=xi)+logP(Gi=0|X=xi)]∑i=1N[GiXiβ+log(1−σ(Xiβ))]

然后我们求导可得： ∂L(β)∂β=∑Ni=1[GiXi−σ(Xiβ)Xi]=∑Ni=1[Gi−σ(Xiβ)]Xi

之后可以用牛顿法迭代求数值解：

βnew=βold±(∂2L(β)∂β∂β)−1∂L(β)∂β

其中二阶导数部分可以化简为： ∂2L(β)∂β∂β=−∑Ni=1X′iXi[σ(Xiβ)(1−σ(Xiβ))]

记 Σ(β)=⎡⎣⎢⎢σ(X1β)⋮σ(XNβ)⎤⎦⎥⎥

且 W=⎡⎣⎢⎢σ(X1β)(1−σ(X1β))⋱σ(XNβ)(1−σ(XNβ))⎤⎦⎥⎥

则 βnew←βold+(X′WX)−1X′(G−Σ(βold))=(X′WX)−1X′WOLS[Xβold+W−1(G−Σ(βold))]Z

经过简化之后，这里相当于加权的最小二乘法，目标函数为 argminβnew(Z−Xβ)′W(Z−Xβ)

所以整个算法可以写作：

0. 令 β=0

或任意起始值

1. 计算 Z

矩阵.

2. 新的 β

为 argminβnew(Z−Xβ)′W(Z−Xβ)

.

3. 重复1，2步直至收敛。

这类方法成为IRLS（不断重写的加权最小二乘法）。

LDA和logit选择

其实也没什么定论，两者均为线性，只是一般我们认为LDA需要假设联合正态且方差相等，比较强；而logit假设没有这么强，相比而言更稳定。

perceptional分类器

perceptional分类器是一类相对简单的分类算法，以两类场合为例。为了方便起见，我们假设两类为1和-1，则目标是找出一条直线可以完全分割出来两群点。这里转化成数学的语言，就是找到W使得 {

Gi=1Gi=−1XiW>0XiW<0

或者简化为： GiXiW>0

算法也很简单：

1. 给定任意的W值，比如0. 如果 GiXiW≤0

，出错。

2. 令新的 W←W+GiXi

，重复第一步。

这里可证一个定理：如果原数据集是线性可分的（即W存在），那么在有限步内perceptional算法收敛。其实从第二步可以看出，这样的改进总是趋近于目标的： GiXiWnew=GiXiWold+X′iXi

，一定是在逐步增加的。

同样的算法推广到多累场合，我们就需要引入特征向量 Φ(x,G)βk

，使得条件概率 P(G=k|X=x)=Φ(x,G)βk 。这样我们的目标就是找到 β 使得 Gi^=argmaxΦ(x,G)β

同样的， β

从0开始，当 Gi^≠Gi 时， β←β+[Φ(xi,Gi)−Φ(xi,Gi^)]

，直至收敛。

不过有意思的是，实践证明，最后使用 β

训练过程中的 β1,...,βm 的平均值效果会更好，而不是最终的 β

值。

--------笔记结束，废话开始--------

到这里，分类器吴老师已经介绍了三类：LDA，Logit和perceptional。其实我一直觉得比较好玩的是分类器和聚类方法的对比——虽然一个是有监督，一个是无监督的学习，不过有的时候我们就算有 Y

的观测值也不一定直接就去用——聚类方法某种程度上显得更加自然一些。这也是大家把模型与实际业务相结合起来的成果吧，总要更符合业务上的直觉才可以。是自然的展现群落的形态，还是给定一些条条框框只是去预测？实践中真的是，都去试试才知道那种更符合一个具体案例的需求。这也是在industry玩的比较开心的缘故，没有那么多条条框框，没有那么多“约定俗成“的规矩，需要自己去一步步挖掘这些算法的用武之地。看着一个个自己熟悉或者陌生的模型被逐渐的改造和应用，也是一件蛮开心的事情呢。

转载地址：http://mdvqj.baihongyu.com/