2
- 3. 機械学習3
ロジスティック回帰モデル
・分類問題に対応する機械学習モデル
・教師あり機械学習
・分類内容は「ある事象に該当するか否か」である。
・出力は出力1となるか否かの確率である
・モデル
𝑃 𝑌 = 1 𝑥 = σ 𝑤0 + 𝑤1𝑥1 + ⋯ + 𝑤𝑚𝑥𝑚
σはシグモイド関数
σ 𝑥 =
1
1+exp −𝑎𝑥
・シグモイド関数の性質
・0付近を境界に曲線の勾配が増加、値が0→1に変化
・aを大きくすると、ステップ関数に近づく
・微分を自分自身で表現可能
𝜕σ(𝑥)
𝜕𝑥
=
𝜕
𝜕𝑥
1
1 + exp −𝑎𝑥
= 𝑎σ(𝑥)(1 − σ 𝑥 )
・尤度関数(もっともらしさ)
𝑦1, 𝑦2, … , 𝑦𝑛 𝑤0, 𝑤1, … , 𝑤𝑚 =
𝑖=1
𝑛
𝑝𝑖
𝑦𝑖
1 − 𝑝𝑖
1−𝑦𝑖 = 𝐿(𝑤)
𝐸 𝑤0, 𝑤1, … , 𝑤𝑚 = −log𝐿 𝑤0, 𝑤1, … , 𝑤𝑚
= −
𝑖=1
𝑛
{𝑦𝑖log𝑝𝑖 + 1 − 𝑦𝑖 log 1 − 𝑝𝑖 }
最尤推定…尤度関数を最大化するようなパラメータを選ぶ推定方法
・勾配降下法
解析的にパラメータ導出が困難なので、反復学習により
パラメータを逐次的に更新する
・確率的勾配降下法
計算量が膨大になる場合の効率化手法
データをランダムに選んでパラメータを更新する
実装演習結果
シグモイド関数で運賃と生存率(生存=1)を予測