机器学习：逻辑回归

简介

在前两篇文章中，我们详细探讨了如何利用采样数据来估计回归曲线。接下来，在本节中，我们将深入讨论如何处理分类问题。

章节安排

1. 背景介绍
2. 数学方法
3. 程序实现

背景介绍

线性可分

---

线性可分是指在多维空间\(\mathbb{R}^D\)中，对于任意两个类别的数据，总是存在一个超平面，可以将这两个类别的数据点完全分开。

在二分类问题中，如果数据集是线性可分的，那么可以找到一个超平面，使得屏幕的一侧的所有点属于一个类别，而另一侧的所有点都属于另一个类别。

设数据集\(D=\{\text{X},\text{y}\}\)，其中\(\text{X}\)为输入特征向量，\(\text{y}\)为类别标签。

如果存在一个超平面\(L:z=Xw+b\)，使得：

\[\begin{align*} \forall y_i=1,\text{x}_iw+b>0\\ \forall y_i=0,\text{x}_iw+b<0 \end{align*} \]

则称该数据集\(\text{X}\)是线性可分的；其中\(w\)为权重向量，\(b\)为偏置项，\(\text{x}_i\)为第\(i\)组数据，是矩阵\(X\)的第\(i\)行.

在一些情形下，并不是严格线性可分的，也就是说不存在一个超平面能够将所有不同类别的点完全分隔开来。这种情况下，我们可能会考虑使用“宽松的线性可分”（Soft Margin）的概念。
在宽松线性可分中，定义松弛变量\(\xi\)，原条件改为

\[\begin{align*} \forall y_i&=1,\text{x}_iw+b>-\xi\\ \forall y_i&=0,\text{x}_iw+b<\xi \end{align*} \]

注意到，对于任何一个超平面\(L\)，总是存在一个足够大的松弛变量\(\xi\)使得该超平面满足宽松线性可分条件。
因此，一般认为，对于某一个超平面\(L_i\)，使得其满足宽松线性条件的最小常数\(\xi_i\)越小，则说明该直线划分效果越好。

初识激活函数

---

超平面\(L\)是一个从\(\mathbb{R}^D\)到\(\mathbb{R}\)的映射（函数）。其值域为\((-\infty,\infty)\)。然而，在实际应用中，通常希望输出的范围现在\([0,1]\)之间，以便于解释和处理。为了实现这一目标，通常会引入激活函数。

Sigmoid函数是一个经典的激活函数，因其连续性和较低的计算复杂度而在机器学习中得到了广泛的应用。Sigmoid 函数的定义如下：

\[\sigma(z)=\frac{1}{1+e^{-z}} \]

主要特点

1. 连续性和可导性：
   Sigmoid 函数及其导数都是连续的，这使得它非常适合用于基于梯度下降的优化算法。

2. 输出范围：
   Sigmoid 函数的输出范围是 ((0, 1))，这使其在二分类问题中特别有用。它可以将线性组合的输出转换为一个概率值，从而更容易解释模型的预测结果。

3. 计算复杂度：
   Sigmoid 函数的计算相对简单，不涉及复杂的数学运算，这有助于提高模型的训练速度。同时，其导函数可以方便的从原函数计算，即：\(\sigma'(z) = \sigma(z) \cdot (1 - \sigma(z))\)

逻辑回归

---

逻辑回归（Logistic Regression）是一种广泛应用于分类问题的统计模型和机器学习算法。尽管名称中包含“回归”，但它实际上主要用于解决分类问题，特别是二分类问题。

工作原理

---

1. 线性组合：
   首先，逻辑回归模型对输入特征进行线性组合，也称对输入进行评估：

   \[z = \mathbf{w}^T \mathbf{x} + b \]

2. Sigmoid变换：
   然后，将评估的结果\(z\)通过Sigmoid函数进行变换：

   \[\hat{y} = \sigma(z) = \frac{1}{1 + e^{-(\mathbf{w}^T \mathbf{x} + b)}} \]

   Sigmoid函数的输出 \(\hat{y}\) 可以解释为样本属于正类的概率。

3. 决策边界：
   通常，选择一个阈值（例如\(0.5\)）来决定分类结果：

   \[y = \begin{cases} 1 & \text{如果 } \hat{y} \geq 0.5 \\ 0 & \text{如果 } \hat{y} < 0.5 \end{cases} \]

损失函数

---

逻辑回归的损失函数通常采用对数损失（Log Loss）或称交叉熵损失（Cross-Entropy Loss）：

\[L(\mathbf{w}, b) = -\frac{1}{N} \sum_{i=1}^{N} \left[ y_i \log(\hat{y}_i) + (1 - y_i) \log(1 - \hat{y}_i) \right] \]

其中，\(N\)是样本数量，\(y_i\)是真实标签，\(\hat{y}_i\)是预测的概率值。

优化

---

本文将介绍如何采用梯度下降法优化逻辑回归模型。
在梯度下降法中，核心的部分是计算损失\(\text{LOSS}\)关于参数\(\text{w}\)和\(b\)的梯度，其反应了参数更新的方向和步长。

通常采用链式法则计算梯度，以参数\(\text{w}\)为例，有：

\[\nabla_{\text{w}}\text{LOSS}=\frac{\partial \text{LOSS}}{\partial \text{w}}= \frac{\partial \text{LOSS}}{\partial \hat{\text{y}}} \frac{\partial \hat{\text{y}}}{\partial \text{z}} \frac{\partial \text{z}}{\partial \text{w}} \]

梯度下降法中，采用梯度的反方向作为更新方向，其公式为：

\[w:=w-\lambda\cdot\nabla_{\text{w}}\text{LOSS} \]

其中，\(\lambda\)为学习率。

程序实现

---

在上一篇文章《机器学习：线性回归（下）》中已经讲述了超平面\(L\)的实现方法；因此，本文中将讨论诸如激活函数、对数损失等上一章为设计的部分的程序实现。

激活函数

---

下述函数用于计算输入矩阵或向量的每个元素的Sigmoid函数值。

MatrixXd Sigmoid::cal(const MatrixXd& input) {
    return input.unaryExpr([](double x) { return 1.0 / (1.0 + exp(-x)); });
}

这段代码是一个简短的函数实现，代码解释如下：

1. input.unaryExpr：
   unaryExpr 是Eigen库中的一个函数，用于对矩阵或向量的每个元素应用一个给定的单变量函数。在这里，input 是一个Eigen矩阵或向量。

2. Lambda函数：
   [](double x) { return 1.0 / (1.0 + exp(-x)); } 是一个Lambda函数，它定义了一个匿名函数，接受一个 double 类型的参数 x，并返回 1.0 / (1.0 + exp(-x))。这个函数实现了Sigmoid函数的计算。

MatrixXd Sigmoid::grad(const MatrixXd& input) {
    Matrix temp = input.unaryExpr([](double x) { return 1.0 / (1.0 + exp(-x)); });
    return temp.cwiseProduct((1 - temp.array()).matrix());
}

这段代码实现了激活函数的梯度的计算，类似与Sigmoid::cal()，先计算激活函数\(\sigma(z)\)的值，再采用逐个元素相乘cwiseProduct计算（即Hadamard乘积）

\[A \circ B = \begin{bmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{bmatrix} \circ \begin{bmatrix} b_{11} & b_{12} \\ b_{21} & b_{22} \end{bmatrix} = \begin{bmatrix} a_{11} \cdot b_{11} & a_{12} \cdot b_{12} \\ a_{21} \cdot b_{21} & a_{22} \cdot b_{22} \end{bmatrix} \]

对数损失

下述函数分别采用Eigen的矩阵计算方法，实现了对数损失及对数损失的梯度的计算

double LogisticLoss::computeLoss(const MatrixXd& predicted, const MatrixXd& actual) {
    MatrixXd log_predicted = predicted.unaryExpr([](double p) { return log(p); });
    MatrixXd log_1_minus_predicted = predicted.unaryExpr([](double p) { return log(1 - p); });

    MatrixXd term1 = actual.cwiseProduct(log_predicted);
    // MatrixXd term2 = (1 - actual).cwiseProduct(log_1_minus_predicted);
    MatrixXd term2 = (1 - actual.array()).matrix().cwiseProduct(log_1_minus_predicted);

    double loss = -(term1 + term2).mean();

    return loss;
}

MatrixXd LogisticLoss::computeGradient(const MatrixXd& predicted, const MatrixXd& actual) {
    MatrixXd temp1 = predicted - actual;
    MatrixXd temp2 = predicted.cwiseProduct((1 - predicted.array()).matrix());

    return (temp1).cwiseQuotient(temp2);
}

为了便于读者理解、学习，下面给出了LogisticLoss::computeLoss()函数的标量方法实现（采用矩阵索引）：

double computeLoss(const MatrixXd& predicted, const MatrixXd& actual) {
    int n = predicted.rows();
    double loss = 0.0;
    for (int i = 0; i < n; ++i) {
        double p = predicted(i, 0);
        double y = actual(i, 0);
        loss += -(y * log(p) + (1 - y) * log(1 - p));
    }
    return loss / n;
}