---

前言

本文只要记录一些书中的一些小知识点，挑一些本人认为重要的地方进行总结。

各位道友！道长(zhǎng) 道长(chǎng)

---

一、逻辑斯谛回归模型

1.1逻辑斯谛分布

设X是连续随机变量，X服从逻辑斯谛分布指X具有下列分布函数和密度函数：
$$F(x)=P(X\le x)=\frac{1}{1+e^{-(x-\mu )/\gamma }}$$
$$f(x)=F^{\prime }(x)=\frac{e^{-(x-\mu )/\gamma }}{\gamma (1+e^{-(x-\mu )/\gamma }{)}^2}$$
其中，$\mu$为位置参数,$\gamma >0$为形状参数。
1.它的分布函数以$(\mu ,\frac{1}{2})$中心对称。
2.曲线在中心附近增长速度较快，两端速度较慢。
3.形状参数$\gamma$越小，曲线在中心增长的越快。
图形如下：

1.2二项逻辑斯谛回归模型

这是一种分类模型，他是如下的条件概率分布：
$$P(Y=1|x)=\frac{\exp (w\cdot x+b)}{1+\exp (w\cdot x+b)}$$
$$P(Y=0|x)=\frac{1}{1+\exp (w\cdot x+b)}$$

• Y ∈ { 0 , 1 } Y\in\{0,1\} Y∈{0,1}是输出，$\omega \in R^n$和$b\in R$是参数
• $\omega$称为权值向量，b为偏置
• $\omega \cdot x$为内积

对于给定的输入实例x，按照如上式子可以去的相应的条件概率。逻辑斯谛回归比较两个条件概率值的大小，将实例x分到概率值大的那一类。
为了方便，将权值向量和输入向量扩充。$\omega =({\omega }^{(1)},{\omega }^{(2)}...{\omega }^{(n)},b{)}^T$,$x=(x^{(1)},x^{(2)},...,x^{(n)},1{)}^T$。
这时，模型如下：
$$P(Y=1|x)=\frac{\exp (w\cdot x)}{1+\exp (w\cdot x)}$$
$$P(Y=0|x)=\frac{1}{1+\exp (w\cdot x)}$$

现在考察逻辑斯谛回归模型的特点：
一个事件的几率是该事件发生的概率与不发生概率的比值。若发生概率是p，则它的几率是$\frac{p}{1-p}$，那么它的对数几率或logit函数是
$$logit(p)=\frac{p}{1-p}$$
对于逻辑斯谛回归而言，得(将$P(Y=1|x)$带入即可得，注意这里的log其实是ln)
$$\log \frac{P(Y=1|x)}{1-P(Y=1|x)}=\omega \cdot x$$
也就是说，输出Y=1的对数几率是x的线性函数。或者说输出Y=1的对数几率是由输入x的线性函数表示的模型，积逻辑斯蒂回归模型。
换一个角度，考虑对输入x进行分类的的线性函数$\omega \cdot x$,其值域是实数域。通过逻辑斯蒂定义式$P(Y=1|x)$可以将线性函数$\omega \cdot x$转换成概率
$$(Y=1|x)=\frac{\exp (w\cdot x)}{1+\exp (w\cdot x)}$$
这时，

• 线性函数的值越接近正无穷，概率值越接近1。
• 线性函数越接近负无穷，概率值越接近0。

即之前的图像所示。

1.3 模型的参数估计

对于给定的训练集合$T=\{(x_1,y_1),...,(x_N,y_N)\}$, y i ∈ { 0 , 1 } y_i \in \{0,1\} yi​∈{0,1}
可以应用极大似然估计法估计模型参数，得到逻辑斯谛模型。

首先设两个概率：

故他们的似然函数为：

对数似然函数为

对$L(\omega )$求极大值，得到$\omega$的估计值。
这样问题就变成了以对数似然函数为目标函数的最优化问题。通常采用梯度下降法和拟牛顿法进行目标函数的最优化。
假设$\omega$的极大似然估计值是$\hat{\omega }$,那么逻辑斯蒂回归模型为

$$P(Y=1|x)=\frac{\exp (\hat{w}\cdot x)}{1+\exp (\hat{w}\cdot x)}$$
$$P(Y=0|x)=\frac{1}{1+\exp (\hat{w}\cdot x)}$$

1.4 多项逻辑斯谛回归

$$P(Y=k|x)=\frac{\exp (w_k\cdot x)}{1+{\sum }_{k=1}^{K-1}\exp (w_k\cdot x)}$$
$$P(Y=K|x)=\frac{1}{1+{\sum }_{k=1}^{K-1}\exp (w\cdot x)}$$

二、最大熵模型

2.1 最大熵原理

最大熵原理认为，所有可能的概率模型中，熵最大的模型是最好的模型。最大熵原理认为要选择的概率模型首先必须满足已有的事实（约束条件）。没有更多信息的情况下，那些不确定的部分都是“等可能的”

2.2定义

假设满足所有约束条件的模型集合为
C = { P ∈ P 1 ∣ E P ( f i ) = E P ~ ( f i ) } C=\{P \in P1|E_P(f_i)=E_{\tilde{P}}(f_i) \} C={P∈P1∣EP​(fi​)=EP~​(fi​)}

定义在条件概率分布$P(Y|X)$上的条件熵为(如无说明，一般log都是ln)
$$H(P)=-\sum _{x,y}\tilde{P}(x)P(y|x)\log P(y|x)$$

2.3最大熵模型的学习

对于给定数据集$T=\{(x_1,y_1),...,(x_N,y_N)\}$和特征函数$f_i(x,y)，i=1,\mathrm{2...},n$,最大熵模型的学习等价于约束最优化问题
$$\underset{P\in C}{\max }H(P)=-\sum _{x,y}\tilde{P}(x)P(y|x)\log P(y|x)$$
$$s.t.E_P(f_i)-E_{\tilde{P}}(f_i)=0,i=1,2,...,n$$
$$\sum _{y}P(y|x)=1$$

• 这里n为特征函数f的个数

按照习惯，将问题改写为等价的最小值问题

$$\underset{P\in C}{\max }-H(P)=\sum _{x,y}\tilde{P}(x)P(y|x)\log P(y|x)$$
$$s.t.E_P(f_i)-E_{\tilde{P}}(f_i)=0,i=1,2,...,n$$
$$\sum _{y}P(y|x)=1$$

这里将约束最优化问题转换为无约束最优化问题的对偶问题。

首先引入拉格朗日乘子$w_0,...,w_n$,定义拉格朗日函数

这里，对于两个期望的值

原始问题为

对偶问题是

由于该拉格朗日函数是关于P的凸函数，所以原始问题与对偶问题的解是等价的。

继续。

首先${\min }_{p\in C}L(P,w)$是关于$w$的函数（因为P是通过arg最小优化得到，然后w变成了可以移动的变量），记作：

将P的解记作

用拉格朗日法对P(y|x)求偏导数
令这个偏导数为0，也就是绿色部分等于0

得P(y|x)

然后，
由条件概率的特性

即

因为分母不受y的影响，所以分母都相等，把求和符号放上面

然后令$Z_w$等于

最终有最大熵模型$P_w=P_w(y|x)$:

最后对对偶问题极大化，并记它的解为$w^{\ast }$:

2.4极大似然估计

上面讲的对偶函数的极大化等驾驭最大熵模型的极大似然估计。
证明在书上。

2.5模型学习的最优化算法

1.改进的迭代尺度法IIS

想法：
假设最大熵模型的参数向量是$w=(w_1,w_2,...,w_n{)}^T$,我们希望找到一个新的参数向量$w+\delta$使得模型的对数似然估计增大。然后一直重复$w\to w+\delta$,直到找到对数似然函数的最大值。
算法如下：

• 注意：这里关键是（a）步。
• 如果$f^{\#}=M$,${\delta }_i=\frac{1}{M}\log \frac{E_{\tilde{P}(f_i)}}{E_p(f_i)}$
• 如果$f^{\#}$不是常数，需要牛顿法计算${\delta }_i$,迭代公式为
  

总结

今天的内容是统计学习方法的第六章节，逻辑斯蒂回归和最大熵模型大多是用于多类分类，是判别模型。机器学习中有一个典型的s型激活函数中就有一个逻辑斯谛函数。

---

最近在读汪曾祺的《人间草木》，写的东西可太美了。
汪先生在短篇《夏天》中写道：“夏天的早晨很舒服。空气很凉爽，草上还挂着露水，写大字一张，读古文一篇。夏天的早晨真舒服。”
夏天到了，希望大家也要享受这个夏天呀！