逻辑回归分类器(linear_model，2024年最新714页PDF的鸿蒙学习笔记

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）

正文

C: 用来控制正则化程度的超参数

• n

:

n:

n: 方程中特征的总数,也是方程中参数的总数

• j

:

j:

j: 代表每个参数 ( 在这里，j要大于等于1，是因为我们的参数向量

θ

\theta

θ中，第一个参数是

θ

0

\theta_0

θ0​，是我们的截距，它通常是不参与正则化的。)

在一些书和博客上可能会看见下面这种写法：

J

(

θ

)

L

1

=

J

(

θ

)

1

2

b

2

∑

j

∣

θ

j

∣

J(\theta)_{L1}=J(\theta)+\frac{1}{2b^2}\sum_{j}|\theta_j|

J(θ)L1​=J(θ)+2b21​j∑​∣θj​∣

J

(

θ

)

L

2

=

J

(

θ

)

θ

T

θ

2

σ

2

J(\theta)_{L2}=J(\theta)+\frac{\theta^{T\theta}{2\sigma}2}

J(θ)L2​=J(θ)+2σ2θTθ​

这两种式子的本质是一样的，不过在大多数教材和博客中，常数项是乘以正则项，通过调控正则项来调节对模型的惩罚。而sklearn当中，常数项C是在损失函数的前面，通过调控损失函数本身的大小，来调节对模型的惩罚。

L1正则化和L2正则化虽然都可以控制过拟合，但它们的效果并不相同。当正则化强度逐渐增大（即C逐渐变小），参数

θ

\theta

θ 的取值会逐渐变小，但L1正则化会将参数压缩为0，L2正则化只会让参数尽量小，不会取到0。

• L1正则化在逐渐加强的过程中
  携带信息量小的、对模型贡献不大的特征的参数，会比携带大量信息的、对模型有巨大贡献的特征的参数更快地变成0，所以L1正则化本质是一个特征选择的过程，掌管了参数的“稀疏性”。L1正则化越强，参数向量中就越多的参数为0，参数就越稀疏，选出来的特征就越少，以此来防止过拟合。因此，如果特征量很大，数据维度很高，我们会倾向于使用L1正则化。由于L1正则化的这个性质，逻辑回归的特征选择可以由Embedded嵌入法来完成。
• L2正则化在加强的过程中
  会尽量让每个特征对模型都有一些小的贡献，但携带信息少，对模型贡献不大的特征的参数会非常接近于0。通常来说，如果我们的主要目的只是为了防止过拟合，选择L2正则化就足够了。但是如果选择L2正则化后还是过拟合，模型在未知数据集上的效果表现很差，就可以考虑L1正则化。

而两种正则化下C的取值，都可以通过学习曲线来进行调整。

下面建立两个逻辑回归，来看一下L1正则化和L2正则化：

1.导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer #乳腺癌数据集
from sklearn.linear_model import LogisticRegression as LR #逻辑回归
from sklearn.model_selection import train_test_split #划分数据集
from sklearn.metrics import accuracy_score # 预测值和真实值之间的差距，就是准确率，评分

2. 导入数据

data = load_breast_cancer()

x = data.data
y = data.target

x.shape

(569, 30)

3. 建立L1,L2两个正则化的实例化并训练

#solver='liblinear’和max_iter=1000在下面详细讲解
lrl1 = LR(penalty=‘l1’,solver=‘liblinear’,C=0.5,max_iter=1000)
lrl2 = LR(penalty=‘l2’,solver=‘liblinear’,C=0.5,max_iter=1000)

lrl1.fit(x,y)
lrl2.fit(x,y)

4. 逻辑回归的重要属性coef_：查看每个特征所对应参数

• L1正则化：

lrl1.coef_

找出特征的参数不为0的

lrl1.coef_ != 0

特征参数不为0的个数

(lrl1.coef_ != 0).sum()

10

• L2正则化

lrl2.coef_

可以观察出，当我们选择L1正则化的时候，许多特征的参数都被设置为了0，这些特征在真正建模的时候，就不会出现在我们的模型当中了，而L2正则化则是对所有的特征都给出了参数。

5. 使用学习曲线查看

l1 = []
l2 = []
l1test = []
l2test = []

xtrain, xtest, ytrain, ytest = train_test_split(x,y,test_size=0.3,random_state=500)

for i in np.linspace(0.05,1,19):
lrl1 = LR(penalty=‘l1’,solver=‘liblinear’,C=i,max_iter=1000)
lrl2 = LR(penalty=‘l2’,solver=‘liblinear’,C=i,max_iter=1000)

#accuracy_score就是获得评分
#理解成将预测出的y和原本的y进行一个对比评分
lrl1 = lrl1.fit(xtrain,ytrain)
l1.append(accuracy_score(lrl1.predict(xtrain),ytrain))
l1test.append(accuracy_score(lrl1.predict(xtest),ytest))

lrl2 = lrl2.fit(xtrain,ytrain)
l2.append(accuracy_score(lrl2.predict(xtrain),ytrain))
l2test.append(accuracy_score(lrl2.predict(xtest),ytest))

graph = [l1,l2,l1test,l2test]
color = [‘green’,‘black’,‘red’,‘gray’]
label = [‘L1’,‘L2’,‘L1test’,‘L2test’]

plt.figure(figsize=[20,5])
for i in range(len(graph)):
plt.plot(np.linspace(0.05,1,19),graph[i],color[i],label=label[i])

plt.legend(loc=4)#图例的位置在哪里?4表示，右下角
plt.show()

随着C的逐渐变大，正则化的强度越来越小，模型在训练集和测试集上的表现都呈上升趋势，对于L1直到C=0.8左右，训练集上的表现依然在走高，但模型在未知数据集上的表现开始不变，这时候就是容易出现了过拟合，对于L2，应选择C=0.2左右。

在实际使用时，基本就默认使用l2正则化，如果感觉到模型的效果不好，那就换L1试试看。

---

2.2 逻辑回归中的特征工程

当特征的数量很多的时候，我们出于业务考虑，也出于计算量的考虑，希望对逻辑回归进行特征选择来降维。比如，在判断一个人是否会患乳腺癌的时候，医生如果看5~8个指标来确诊，会比需要看30个指标来确诊容易得多。

2.2.1 业务选择

说到降维和特征选择，首先要想到的是利用自己的业务能力进行选择，肉眼可见明显和标签有关的特征就是需要留下的。当然，如果我们并不了解业务，或者有成千上万的特征，那我们也可以使用算法来帮助我们。或者，可以让算法先帮助我们筛选过一遍特征，然后在少量的特征中，我们再根据业务常识来选择更少量的特征。

---

2.2.2 PCA和SVD一般不用

说到降维，我们首先想到的是之前提过的高效降维算法，PCA和SVD，遗憾的是，这两种方法大多数时候不适用于逻辑回归。逻辑回归是由线性回归演变而来，线性回归的一个核心目的是通过求解参数来探究特征X与标签y之间的关系，而逻辑回归也传承了这个性质，我们常常希望通过逻辑回归的结果，来判断什么样的特征与分类结果相关，因此我们希望保留特征的原貌。PCA和SVD的降维结果是不可解释的，因此一旦降维后，我们就无法解释特征和标签之间的关系了。当然，在不需要探究特征与标签之间关系的线性数据上，降维算法PCA和SVD也是可以使用的。

---

2.2.3 可以使用统计方法（非必要）

既然降维算法不能使用，我们要用的就是特征选择方法。逻辑回归对数据的要求低于线性回归，由于我们不是使用最小二乘法来求解，所以逻辑回归对数据的总体分布和方差没有要求，也不需要排除特征之间的共线性，但如果我们确实希望使用一些统计方法，比如方差，卡方，互信息等方法来做特征选择，也并没有问题。过滤法中所有的方法，都可以用在逻辑回归上。

统计学的思路是一种“先验”的思路，不管做什么都要先”检验“，先”满足条件“，事后也要各种”检验“，以确保各种数学假设被满足，不然的话，理论上就无法得出好结果。而机器学习是一种”后验“的思路，不管三七二十一，先让模型跑一跑，效果不好再想办法，如果模型效果好，不在意什么共线性，残差不满足正态分布，没有哑变量之类的细节，模型效果好大过天！

---

2.2.4 高效的嵌入法embedded（嵌入法详细看特征选择中的嵌入法）

更有效的方法，毫无疑问会是我们的embedded嵌入法。我们已经说明了，由于L1正则化会使得部分特征对应的参数为0，因此L1正则化可以用来做特征选择，结合嵌入法的模块SelectFromModel，我们可以很容易就筛选出让模型十分高效的特征。注意，此时我们的目的是，尽量保留原数据上的信息，让模型在降维后的数据上的拟合效果保持优秀，因此我们不考虑训练集测试集的问题，把所有的数据都放入模型进行降维。

以乳腺癌数据集为例：

1.导入包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression as LR # 逻辑回归
from sklearn.model_selection import cross_val_score #交叉验证
from sklearn.datasets import load_breast_cancer #乳腺癌数据集
from sklearn.feature_selection import SelectFromModel #嵌入法特征选择

2. 数据的导入

data = load_breast_cancer()

x = data.data
y = data.target

x.shape

(569, 30)

3. 使用逻辑回归进行评分（默认是l2正则化）

C使用的是上面2.1.5的得出的结论，0.2

LR_ = LR(solver=‘liblinear’,C=0.2,random_state=500)
cross_val_score(LR_,x,y,cv=10).mean()

4. 使用嵌入法特征选择

#norm_order=1说明使用的是L1范式，模型会删除在L1范式下面无效的特征
x_embedded = SelectFromModel(LR_,norm_order=1).fit_transform(x,y)

x_embedded.shape

(569, 10)

cross_val_score(LR_,x_embedded,y,cv=10).mean()

可以看出，虽然分数下降了一点，但是特征还保留了10个，删除了20个特征，如果我们要求不高，在这里其实就可以停下了。但是，能否让模型的拟合效果更好呢？在这里，有两种调整方式：

• 调节SelectFromModel这个类中的参数threshold

这是嵌入法的阈值，表示删除所有参数的绝对值低于这个阈值的特征。现在threshold默认为None，所以SelectFromModel只根据L1正则化的结果来选择了特征，即选择了所有L1正则化后参数不为0的特征。

我们此时，只要调整threshold的值（画出threshold的学习曲线），就可以观察不同的threshold下模型的效果如何变化。一旦调整threshold，就不是在使用L1正则化选择特征，而是使用模型的属性.coef_中生成的各个特征的系数来选择。coef_虽然返回的是特征的系数，但是系数的大小和决策树中的feature_ importances_以及降维算法中的可解释性方差explained_vairance_概念相似，其实都是衡量特征的重要程度和贡献度的，因此SelectFromModel中的参数threshold可以设置为coef_的阈值，即可以剔除系数小于threshold中输入的数字的所有特征

#分别储存没使用嵌入法特征选择的x和使用嵌入法特征选择后的x
fullx = []
fsx = []

threshold = np.linspace(0,abs(LR_.fit(x,y).coef_).max(),20)

for i in threshold:
x_embedded = SelectFromModel(LR_,threshold=i).fit_transform(x,y)

#将未特征选择和进行特征选择的x，使用交叉验证得出评分
fullx.append(cross_val_score(LR_,x,y,cv=10).mean())
fsx.append(cross_val_score(LR_,x_embedded,y,cv=10).mean())

#输出threshold和其对应的剩余特征个数
print(i,x_embedded.shape[1])

plt.figure(figsize=[20,5])
plt.plot(threshold,fullx,label=‘full’)
plt.plot(threshold,fsx,label=‘feature selection’)
plt.xticks(threshold)
plt.legend()
plt.show()

当threshold越来越大，被删除的特征越来越多，模型的效果也越来越差，可以看出，保存18个特征模型效果还可以，接下来进行学习曲线的优化

fsx = []
threshold = np.linspace(0,0.052,20)

for i in threshold:
x_embedded = SelectFromModel(LR_,threshold=i).fit_transform(x,y)
fsx.append(cross_val_score(LR_,x_embedded,y,cv=10).mean())
print(i,x_embedded.shape[1])

plt.figure(figsize=[20,5])
plt.plot(threshold,fsx)
plt.xticks(threshold)
plt.show()

如果要保证模型的效果比降维前更好，我们需要保留28个特征，这对于现实情况来说，是一种无效的降维：需要30个指标来判断病情，和需要25个指标来判断病情，对医生来说区别不大。

• 第二种调整方法，是调逻辑回归的类LR_，通过画C的学习曲线来实现：

fullx = []
fsx = []

c = np.arange(0.01,10.01,0.5)

for i in c:
LR_ = LR(solver=‘liblinear’,C=i,random_state=500)
#使用没用嵌入法降维的x
fullx.append(cross_val_score(LR_,x,y,cv=10).mean())

#使用嵌入法降维
x_embedded = SelectFromModel(LR_,norm_order=1).fit_transform(x,y)
fsx.append(cross_val_score(LR_,x_embedded,y,cv=10).mean())

#得出最高的评分及相应的C值
print(max(fsx),c[fsx.index(max(fsx))])

plt.figure(figsize=[20,5])
plt.plot(c,fullx,label=‘full’)
plt.plot(c,fsx,label=‘feature selection’)
plt.legend()
plt.show()

通过结果观察，在7.01左右取得最高，进一步优化学习曲线：

fullx = []
fsx = []

c = np.arange(6.05,7.05,0.005)

for i in c:
LR_ = LR(solver=‘liblinear’,C=i,random_state=500)
#使用没用嵌入法降维的x
fullx.append(cross_val_score(LR_,x,y,cv=10).mean())

#使用嵌入法降维，使用L1范式来进行特征选择
x_embedded = SelectFromModel(LR_,norm_order=1).fit_transform(x,y)
fsx.append(cross_val_score(LR_,x_embedded,y,cv=10).mean())

#得出最高的评分及相应的C值
print(max(fsx),c[fsx.index(max(fsx))])

plt.figure(figsize=[20,5])
plt.plot(c,fullx,label=‘full’)
plt.plot(c,fsx,label=‘feature selection’)
plt.legend()
plt.show()

可以观察出，在C=6.06999999时评分为最高

5. 验证模型效果

• 降维之前

LR_ = LR(solver=‘liblinear’,C=6.069999999999999,random_state=500)
cross_val_score(LR_,x,y,cv=10).mean()

• 降维之后

x_embedded = SelectFromModel(LR_,norm_order=1).fit_transform(x,y)
cross_val_score(LR_,x_embedded,y,cv=10).mean()

• 降维之后的特征数量

x_embedded.shape

这样我们就实现了在特征选择的前提下，保持模型拟合的高效，现在，如果有一位医生可以来为我们指点迷津，看看剩下的这些特征中，有哪些是对针对病情来说特别重要的，也许我们还可以继续降维。当然，除了嵌入法，系数累加法或者包装法也是可以使用的

---

2.2.5 比较麻烦的系数累加法

系数累加法的原理非常简单。在PCA中，我们通过绘制累积可解释方差贡献率曲线来选择超参数，在逻辑回归中我们可以使用系数coef_来这样做，并且我们选择特征个数的逻辑也是类似的：找出曲线由锐利变平滑的转折点，转折点之前被累加的特征都是我们需要的，转折点之后的我们都不需要。不过这种方法相对比较麻烦，因为我们要先对特征系数进行从大到小的排序，还要确保我们知道排序后的每个系数对应的原始特征的位置，才能够正确找出那些重要的特征。如果要使用这样的方法，不如直接使用嵌入法来得方便。

---

2.2.6 简单快速的包装法

相对的，包装法可以直接设定我们需要的特征个数，逻辑回归在现实中运用时，可能会有”需要5~8个变量”这种需求，包装法此时就非常方便了。不过逻辑回归的包装法的使用和其他算法一样，并不具有特别之处，因此在这里就不在赘述，包装法具体参考特征选择中的包装法。

---

3. 梯度下降：重要参数max_iter

逻辑回归的数学目的是求解能够让模型最优化，拟合程度最好的参数

θ

\theta

θ 的值，即求解能够让损失函数

J

(

θ

)

J(\theta)

J(θ) 最小化的值。对于二元逻辑回归来说，有多种方法可以用来求解参数 ，最常见的有梯度下降法(Gradient Descent)，坐标下降法(Coordinate Descent)，牛顿法(Newton-Raphson method)等，其中又以梯度下降法最为著名。这些计算在执行的任务其实是类似的。

3.1 梯度下降求解逻辑回归

我们以最著名也最常用的梯度下降法为例，来看看逻辑回归的参数求解过程究竟实在做什么。现在有一个带两个特征并且没有截距的逻辑回归

y

(

x

1

,

x

2

)

y(x_1,x_2)

y(x1​,x2​)，两个特征所对应的参数分别为

[

θ

1

,

θ

2

]

[\theta_1,\theta_2]

[θ1​,θ2​]。下面这个华丽的平面就是我们的损失函数

J

(

θ

1

,

θ

2

)

J(\theta_1,\theta_2)

J(θ1​,θ2​) 在以

θ

1

,

θ

2

\theta_1,\theta_2

θ1​,θ2​ 和 J为坐标轴的三维立体坐标系上的图像。现在，我们寻求的是损失函数的最小值，也就是图像的最低点。

在这个图像上随机放一个小球，当松手的时候，这个小球就会顺着这个华丽的平面滚落，直到滚到深蓝色的区域——损失函数的最低点。为了严格监控这个小球的行为，我让小球每次滚动的距离有限，不让他一次性滚到最低点，并且最多只允许它滚动100步，还要记下它每次滚动的方向，直到它滚到图像上的最低点。

可以想到，小球从高处滑落，在深蓝色的区域中来回震荡，最终停留在了图像凹陷处的某个点上。非常明显，我们可以观察到几个现象：

首先，小球并不是一开始就直向着最低点去的，它先一口气冲到了蓝色区域边缘，后来又折回来，我们已经规定了小球是多次滚动，所以可见，小球每次滚动的方向都是不同的。

另外，小球在进入深蓝色区域后，并没有直接找到某个点，而是在深蓝色区域中来回震荡了数次才停下。这有两种可能：1) 小球已经滚到了图像的最低点，所以停下了，2) 由于我设定的步数限制，小球还没有找到最低点，但也只好在100步的时候停下了。也就是说，小球不一定滚到了图像的最低处。

但无论如何，小球停下的就是我们在现有状况下可以获得的唯一点了。如果我们够幸运，这个点就是图像的最低点，那我们只要找到这个点的对应坐标

(

θ

1

∗

,

θ

2

∗

,

J

m

i

n

)

(\theta_1^*,\theta_2*,J_{min})

(θ1∗​,θ2∗​,Jmin​)，就可以获取能够让损失函数最小的参数取值

[

θ

1

∗

,

θ

2

∗

]

[\theta_1^*,\theta_2*]

[θ1∗​,θ2∗​]了。如此，梯度下降的过程就已经完成。

在这个过程中，**小球其实就是一组组的坐标点

(

θ

1

,

θ

2

,

J

)

(\theta_1,\theta_2,J)

(θ1​,θ2​,J) ；小球每次滚动的方向就是那一个坐标点的梯度向量的方向**，因为每滚动一步，小球所在的位置都发生变化，坐标点和坐标点对应的梯度向量都发生了变化，所以每次滚动的方向也都不一样；人为设置的100次滚动限制，就是sklearn中逻辑回归的参数max_iter，代表着能走的最大步数，即最大迭代次数。

**所以梯度下降，其实就是在众多

[

θ

1

,

θ

2

]

[\theta_1,\theta_2]

[θ1​,θ2​] 可能的值中遍历，一次次求解坐标点的梯度向量，不断让损失函数的取值

J

J

J逐渐逼近最小值，再返回这个最小值对应的参数取值

[

θ

1

∗

,

θ

2

∗

]

[\theta_1^*,\theta_2*]

[θ1∗​,θ2∗​] 的过程。**

---

3.2 梯度下降的概念

那梯度究竟如何定义呢？在多元函数上对各个自变量求∂偏导数，把求得的各个自变量的偏导数以向量的形式写出来，就是梯度。比如损失函数

J

(

θ

1

,

θ

2

)

J(\theta_1,\theta_2)

J(θ1​,θ2​)，其自变量是逻辑回归预测函数

y

θ

(

x

)

y_{\theta}(x)

yθ​(x)的参数

θ

1

,

θ

2

\theta_1,\theta_2

θ1​,θ2​ ，在损失函数上对

θ

1

,

θ

2

\theta_1,\theta_2

θ1​,θ2​求偏导数，**求得的梯度向量

d

d

d就是

[

∂

J

∂

θ

1

,

∂

J

∂

θ

2

]

T

[\frac{\partial J}{\partial \theta_1},\frac{\partial J}{\partial \theta_2}]^T

[∂θ1​∂J​,∂θ2​∂J​]T**，简称

g

r

a

d

J

(

θ

1

,

θ

2

)

grad J(\theta_1,\theta_2)

gradJ(θ1​,θ2​)或者

∇

J

(

θ

1

,

θ

2

)

\nabla J(\theta_1,\theta_2)

∇J(θ1​,θ2​) 。在

θ

1

,

θ

2

\theta_1,\theta_2

θ1​,θ2​和

J

J

J的取值构成的坐标系上，点

(

θ

1

∗

,

θ

2

∗

,

J

)

(\theta_1^*,\theta_2*,J)

(θ1∗​,θ2∗​,J)具体的梯度向量就是

[

∂

J

∂

θ

1

∗

,

∂

J

∂

θ

2

∗

]

T

[\frac{\partial J}{\partial \theta_1^*},\frac{\partial J}{\partial \theta_2^*}]T

[∂θ1∗​∂J​,∂θ2∗​∂J​]T，或者

∇

J

(

θ

1

∗

,

θ

2

∗

)

\nabla J(\theta_1^*,\theta_2*)

∇J(θ1∗​,θ2∗​)。如果是3个参数的梯度向量，就是

[

∂

J

∂

θ

1

,

∂

J

∂

θ

2

,

∂

J

∂

θ

3

]

T

[\frac{\partial J}{\partial \theta_1},\frac{\partial J}{\partial\theta_2},\frac{\partial J}{\partial \theta_3}]^T

[∂θ1​∂J​,∂θ2​∂J​,∂θ3​∂J​]T，以此类推。

注意：
求解梯度，是在损失函数

J

(

θ

1

,

θ

2

)

J(\theta_1,\theta_2)

J(θ1​,θ2​)上对损失函数自身的自变量

θ

1

\theta_1

θ1​和

θ

2

\theta_2

θ2​ 求偏导，而这两个自变量，刚好是逻辑回归的预测函数

y

(

x

)

=

1

1

e

−

θ

T

x

y(x)=\frac{1}{1+e^{-\thetaTx}}

y(x)=1+e−θTx1​的参数。

那梯度有什么含义呢？
梯度是一个向量，因此它有大小也有方向。它的大小，就是偏导数组成的向量的大小，又叫做向量模，记作

d

d

d 。它的方向，几何上来说，就是损失函数

J

(

θ

)

J(\theta)

J(θ)的值增加最快的方向，就是小球每次滚动的方向的反方向。**只要沿着梯度向量的反方向移动坐标，损失函数

J

(

θ

)

J(\theta)

J(θ) 的取值就会减少得最快，也就最容易找到损失函数的最小值。**

在逻辑回归中，损失函数是：

J

(

θ

)

=

−

∑

i

=

1

m

(

y

i

∗

log

⁡

(

y

θ

(

x

i

)

)

(

1

−

y

i

)

∗

log

⁡

(

1

−

y

θ

(

x

i

)

)

)

J(\theta)=-\sum_{i=1}^{m}(y_i*\log(y_{\theta}(x_i))+(1-y_i)*\log(1-y_{\theta}(x_i)))

J(θ)=−i=1∑m​(yi​∗log(yθ​(xi​))+(1−yi​)∗log(1−yθ​(xi​)))

我们对这个函数上的自变量

θ

\theta

θ 求偏导，就可以得到**梯度向量在第

j

j

j组

θ

\theta

θ的坐标点上的表示**形式(详细推导过程看梯度向量的推导)：

∂

J

(

θ

)

∂

θ

j

=

d

j

=

∑

i

=

1

m

(

x

i

×

(

y

θ

(

x

i

)

−

y

i

)

)

\frac{\partial J(\theta)}{\partial \theta_j}=d_j=\sum_{i=1}^{m}(x_i×(y_{\theta}(x_i)-y_i))

∂θj​∂J(θ)​=dj​=i=1∑m​(xi​×(yθ​(xi​)−yi​))

在这个公式下，**只要给定一组

θ

\theta

θ的取值

θ

j

\theta_j

θj​ ，再带入特征矩阵

x

x

x，就可以求得这一组

θ

\theta

θ 取值下的预测结果

y

θ

(

x

i

)

y_{\theta}(x_i)

yθ​(xi​)，结合真实标签向量

y

i

y_i

yi​ ，就可以获得这一组

θ

j

\theta_j

θj​取值下的梯度向量，其大小表示为

d

j

d_j

dj​**。之前说过，我们的目的是在可能的

θ

\theta

θ取值上进行遍历，一次次计算梯度向量，并在梯度向量的反方向上让损失函数

J

J

J下降至最小值。**在这个过程中，我们的

θ

\theta

θ 和梯度向量的大小

d

d

d 都会不断改变，而我们遍历

θ

\theta

θ 的过程可以描述为**：

(梯度下降表示)

θ

j

1

=

θ

j

−

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
动的方向的反方向。**只要沿着梯度向量的反方向移动坐标，损失函数

J

(

θ

)

J(\theta)

J(θ) 的取值就会减少得最快，也就最容易找到损失函数的最小值。**

在逻辑回归中，损失函数是：

J

(

θ

)

=

−

∑

i

=

1

m

(

y

i

∗

log

⁡

(

y

θ

(

x

i

)

)

(

1

−

y

i

)

∗

log

⁡

(

1

−

y

θ

(

x

i

)

)

)

J(\theta)=-\sum_{i=1}^{m}(y_i*\log(y_{\theta}(x_i))+(1-y_i)*\log(1-y_{\theta}(x_i)))

J(θ)=−i=1∑m​(yi​∗log(yθ​(xi​))+(1−yi​)∗log(1−yθ​(xi​)))

我们对这个函数上的自变量

θ

\theta

θ 求偏导，就可以得到**梯度向量在第

j

j

j组

θ

\theta

θ的坐标点上的表示**形式(详细推导过程看梯度向量的推导)：

∂

J

(

θ

)

∂

θ

j

=

d

j

=

∑

i

=

1

m

(

x

i

×

(

y

θ

(

x

i

)

−

y

i

)

)

\frac{\partial J(\theta)}{\partial \theta_j}=d_j=\sum_{i=1}^{m}(x_i×(y_{\theta}(x_i)-y_i))

∂θj​∂J(θ)​=dj​=i=1∑m​(xi​×(yθ​(xi​)−yi​))

在这个公式下，**只要给定一组

θ

\theta

θ的取值

θ

j

\theta_j

θj​ ，再带入特征矩阵

x

x

x，就可以求得这一组

θ

\theta

θ 取值下的预测结果

y

θ

(

x

i

)

y_{\theta}(x_i)

yθ​(xi​)，结合真实标签向量

y

i

y_i

yi​ ，就可以获得这一组

θ

j

\theta_j

θj​取值下的梯度向量，其大小表示为

d

j

d_j

dj​**。之前说过，我们的目的是在可能的

θ

\theta

θ取值上进行遍历，一次次计算梯度向量，并在梯度向量的反方向上让损失函数

J

J

J下降至最小值。**在这个过程中，我们的

θ

\theta

θ 和梯度向量的大小

d

d

d 都会不断改变，而我们遍历

θ

\theta

θ 的过程可以描述为**：

(梯度下降表示)

θ

j

1

=

θ

j

−

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注软件测试）
[外链图片转存中…(img-aI4zd1kz-1713253249430)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！