文 | MLer
979字 | 3分钟阅读
感谢李宏毅老师的分享，他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站：http://speech.ee.ntu.edu.tw/~tlkagk/index.html。这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面，有些朋友可能无法观看，我把它搬运下来放在云盘上面，大家点击阅读原文，就可以直接在手机随时随地观看了。再次，感谢李老师的付出和贡献。
这门课，共有36个视频，每个视频播放的时间不一。我按着视频播放的顺序，观看，聆听和学习，并结合讲义，做学习笔记。我做学习笔记目的有三：
1 帮助自己学习和理解机器学习
2 记录机器学习的重要知识、方法、原理和思想
3 为传播机器学习做点事情
视频10：逻辑回归
一、问题定义
第一步：函数集，逻辑回归算法的表示，如下图：
第二步：函数集好坏度量（最大化好，最大化似然概率；最小化坏，最小化损失函数）
交叉熵：用于度量两个概率有多接近（真实概率与预测概率）
第三步：寻找最佳的函数，获取最佳函数对应的参数
二、逻辑回归与线性回归对比
如下图：
三、逻辑回归的损失函数
逻辑回归损失函数，为什么不用平方误差表示？
这个问题，李老师从数学分析和可视化分析，做了详细地介绍。我们容易发现，若用平方误差这种损失函数，在逻辑回归算法里面，不容易找到最优解。更详细的内容，请点击阅读原文，观看视频。
四、判别模型和生成模型
1）判别模型和生成模型对比
2）生成模型的优势
五、多分类问题
问题解决的思路，使用Softmax，如下图：
六、逻辑回归的局限性
异或逻辑，无法求解。如下图：
解决方案：
1) 特征变换 专家知识
问题：不总是容易找到最好的特征变换
2）逻辑回归多级级联 机器学习知识
由逻辑回顾过渡到神经网络和深度学习。
更纤细的内容，请点击http://47.112.229.252:8082/files/905bcca4-3b1a-4030-85f5-e3cf595cdfb1/ML%20Lecture%205_%20Logistic%20Regression.mp4，观看视频。
思考题：
1 逻辑回归与线性回归有什么区别？
2 逻辑回归的损失函数如何设计和构建？
3 逻辑回归算法的局限性？
4 多分类问题的解决方案？
5 逻辑回归与神经网络的关系？
