2014-01-13 2 views
0

Я хочу, чтобы закодировать логистической регрессии (проблема классификации) алгоритм с использованием Java -Начальный закодировать логистическую регрессию в Java

Гипотеза -

enter image description here

Может кто-нибудь пожалуйста, скажите мне, что - enter image description here (- θ мощность T) есть?

Я был в состоянии кодировать линейную регрессию, ее гипотеза enter image description here, что относительно легко, но не может начаться с логистической регрессии.

ответ

0

ΘT представляет собой трансформацию тэта-матрицы. Где тета-матрица - матрица признаков. При написании кода для этих algorthms я настоятельно рекомендую вам сначала использовать программное обеспечение MATLAB или OCTAVE для вычисления матриц. Затем, когда вы уверены, что ваш алгоритм работает правильно, реализуйте его в JAVA.

Приветствия, Эмиль

+1

Если вы это сделаете, следующее сравнение библиотек Java, позволяющее выполнять операции с матрицами, может помочь: http://stackoverflow.com/questions/529457/performance-of-java-matrix-math-libraries. – arturomp

3

ΘT транспонированные параметры вектор © и ΘTx является линейной комбинацией входных features.If вы знаете линейную регрессию, то вы можете думать ΘTx как выход линейной регрессии. Посмотрите на рисунок ниже. enter image description here

Первая часть - линейная регрессия. Выходной сигнал линейной регрессии равен enter image description here. Поскольку логистическая регрессия не является регрессией, а проблемой классификации, ваш результат не должен быть непрерывным. Вместо этого вам нужен двоичный вывод для любых входов. Для этого вам нужна функция, которая отображает диапазон ввода в значение от 0 до 1, так что вы можете применить некоторый порог к выходу для получения классификации. И подходящая функция для этого была бы сигмоидной функцией, как вы упомянули.

пересортицы своего вопроса, выход линейной регрессии можно записать в виде
enter image description here

Термина = ΘTx является Векторизованной реализацией выходе линейной регрессии. Таким образом, ΘT - не что иное, как перенос вектора параметра. Это можно понять, следуя математическим операциям. enter image description here

Подробнее о логистической регрессии и кодировании this link.

+0

Кроме того, если вы можете, ознакомьтесь с архивами Coursera.org для курса машинного обучения Andrew Ng. На мой взгляд, он охватывает логистическую регрессию интуитивно. – arturomp