Linear/Logistic/Softmax Regression对比

开公众号啦，分享读书心得，欢迎一起交流成长。

Linear/Logistic/Softmax Regression是常见的机器学习模型，且都是广义线性模型的一种，有诸多相似点，详细对比之。原文见Linear/Logistic/Softmax Regression对比。

概述

Linear Regression是回归模型，Logistic Regression是二分类模型，Softmax Regression是多分类模型，但三者都属于广义线性「输入的线性组合」模型「GLM」。

其中Softmax Regression可以看做Logistic Regression在多类别上的拓展。

Softmax Regression (synonyms: Multinomial Logistic, Maximum Entropy Classifier, or just Multi-class Logistic Regression) is a generalization of logistic regression that we can use for multi-class classification (under the assumption that the classes are mutually exclusive).

符号约定

• 样本

(x^{(i)}, y^{(i)})

• 样本数

m

• 特征维度

n

• Linear Regression输出

y^{(i)}

• Logistic Regression类别

y^{(i)}\in\{0,1\}

• Softmax Regression类别

y^{(i)}\in\{1,\ldots,K\}

• Softmax Regression类别数

K

• 损失函数

J(\theta)

• Indicator函数

I\{boolean\}

模型参数对比

Linear Regression，维度为

(n \cdot 1)

的向量

\theta = \begin{bmatrix} \vert \\ \theta \\ \vert \end{bmatrix}

Logistic Regression，维度为

(n \cdot 1)

的向量

\theta = \begin{bmatrix} \vert \\ \theta \\ \vert \end{bmatrix}

Softmax Regression，维度为

(n \cdot K)

的矩阵

\theta = \begin{bmatrix} \vert & \vert & \vert & \vert \\ \theta^{(1)} & \theta^{(2)} & \dots & \theta^{(K)} \\ \vert & \vert & \vert & \vert \\ \end{bmatrix}

模型输出对比

Linear Regression输出样本的得分「标量」。

h_\theta(x) = \theta^Tx

Logistic Regression输出正样本的概率「标量」。

h_\theta(x) = P(y = 1 | x; \theta) = \frac{1}{1+\exp(-\theta^Tx)}

Softmax Regression输出为

K

个类别的概率「向量」。

h_\theta(x) = \begin{bmatrix} P(y = 1 | x; \theta) \\ P(y = 2 | x; \theta) \\ \vdots \\ P(y = K | x; \theta) \end{bmatrix} = \frac{1}{\sum_{k=1}^{K}{\exp(\theta^{(k)\top}x)}} \begin{bmatrix} \exp(\theta^{(1)T} x) \\ \exp(\theta^{(2)T} x) \\ \vdots \\ \exp(\theta^{(K)T} x) \\ \end{bmatrix}

损失函数对比

Linear Regression是回归问题，损失函数一般取平方误差；Logistic/Softmax Regression是分类问题，损失函数一般用交叉熵。

分类问题，对样本

(x, y)

，模型输出在类别上的概率分布，可统一表示为条件概率

P(y\vert x)

，可以直接写出交叉熵表达式，也可以通过极大似然法则导出，最终效果一样。

Linear Regression。

J(\theta) = \frac{1}{2} \sum_{i=1}^m (h_\theta(x^{(i)} - y^{(i)}))^2

Logistic Regression。条件概率可以表示为

\begin{align} P(y|x) &= \begin{cases} h_\theta(x), && y = 1 \\ 1 - h_\theta(x), && y = 0 \end{cases} \\ &= h_\theta(x)^y(1-h_\theta(x))^{(1-y)} \\ &= I\{y=1\}h_\theta(x) + I\{y=0\}(1-h_\theta(x)) \\ &= I\{y=1\}P(y=1\vert x;\theta) + I\{y=0\}P(y=0\vert x;\theta) \end{align}

对所有训练样本，损失函数为

\begin{align} J(\theta) &= - \left[ \sum_{i=1}^{m} \sum_{k=0}^{1} I\left\{y^{(i)} = k\right\} \log P(y^{(i)} = k | x^{(i)} ; \theta) \right] \\ &= - \left[ \sum_{i=1}^m (1-y^{(i)}) \log (1-h_\theta(x^{(i)})) + y^{(i)} \log h_\theta(x^{(i)}) \right] \end{align}

Softmax Regression。条件概率可以表示为

P(y|x) = I\{y=1\}P(y=1\vert x; \theta) + \dots + I\{y=K\}P(y=K\vert x; \theta)

对所有训练样本，损失函数为

\begin{align} J(\theta) &= - \left[ \sum_{i=1}^{m} \sum_{k=1}^{K} I\left\{y^{(i)} = k\right\} logP(y^{(i)}=k|x^{(i)};\theta)\right] \\ &= - \left[ \sum_{i=1}^{m} \sum_{k=1}^{K} I\left\{y^{(i)} = k\right\} \log \frac{\exp(\theta^{(k)\top} x^{(i)})}{\sum_{j=1}^K \exp(\theta^{(j)\top} x^{(i)})}\right] \end{align}

对比式子Logistic/Softmax Regression，二者的损失函数形式完全一致，就是交叉熵损失。真实概率分布

p

和预估概率分布

q

的交叉熵为

H(p,q) = - \sum_x p(x) \log q(x)

• 对Logistic Regression来说，真实概率分布为

[1, 0]

或

[0, 1]

• 对Softmax Regression来说，真实概率分布为

[1,0,0]

、

[0,1,0]

或

[0,0,1]

梯度对比

Linear/Logistic/Softmax Regression都是广义线性模型的一种，其形式都极其相似，包括梯度。

Linear Regression梯度

\nabla_\theta J(\theta) = \sum_{i=1}^m x^{(i)}(h_\theta(x^{(i)}) - y^{(i)})

其中

h_\theta(x) = \theta^Tx

。

Logistic Regression梯度

\nabla_\theta J(\theta) = \sum_{i=1}^m x^{(i)}(h_\theta(x^{(i)}) - y^{(i)})

其中

h_\theta(x) = \sigma(\theta^Tx)

。

Softmax Regression梯度

\nabla_{\theta^{(k)}} J(\theta) = \sum_{i=1}^m x^{(i)} [P(y^{(i)} = k | x^{(i)}; \theta) - I(y^{(i)} = k)]

其中预测结果见上文模型输出对比内容，方便表示，分别对

\theta^{k}

求导。

梯度形式非常的Intuitive，更新尺度正比于误差项！

The magnitude of the update is proportional to the error term

h_\theta(x^{(i)}) - y^{(i)}

; thus, for instance, if we are encountering a training example on which our prediction nearly matches the actual value of

y^{(i)}

, then we find that there is little need to change the parameters; in contrast, a larger change to the parameters will be made if our prediction

h_\theta(x^{(i)})

has a large error (i.e., if it is very far from

y^{(i)}

).