로지스틱 회귀
- 로지스틱 회귀는 샘플이 특정 클래스에 속할 확률을 추정하는데 사용됩니다.
c(θ)={−log(p^)−log(1−p^)if y=1,if y=0.
J(θ)=−m1i=1∑m[y(i)log(p^(i))+(1−y(i))log(1−p^(i))]
∂θj∂J(θ)=m1i=1∑m(σ(θTx(i))−y(i))xj(i)
소프트 맥스 회귀
- 소프트맥스 회귀 모델은 로지스틱 모델을 여러개의 이진분류기를 훈련시켜 연결하지 않고 직접 다중클래스를 지원하도록 일반화 한것을 이야기 합니다.
- 소프트맥스 함수
p^k=σ(s(x))k=j=1∑Kexp(sj(x))exp(sk(x))
J(Θ)=−m1i=1∑mk=1∑Kyk(i)log(p^k(i))
- 클래스 k에 대한 크로스 엔트로피의 그레이디언트 벡터
∇θ(k)J(Θ)=m1i=1∑m(p^k(i)−yk(i))x(i)