確率的識別モデル
2クラス分類のロジスティック回帰では、目的変数(ラベル)はでした。
多クラス分類のロジスティック回帰では、目的変数に対して--符号化法を使用します。
例えば、5クラスの場合、クラス2のパターンは次の目的変数ベクトルで与えられます。
2クラス分類のロジスティック回帰ではシグモイド関数を用いましたが、
多クラス分類のロジスティック回帰ではソフトマックス関数を用います。
の事後確率を以下のようにします。
ここで、は
としました。
が求まったとして、新たな入力に対して、クラスを予測する場合は以下のようにします。
はに対する事後確率が最大のクラスを採用するという意味です。
目的関数の微分
この目的関数は解析的に解くことができないので、目的関数の勾配ベクトルを求めて数値的に(最急降下法など)解くことを考えます。
目的関数をで偏微分します。
の4行目でとおきました。
のとを別々に計算します。
ではを使いました。
の2行目から3行目では、よりの項だけが残ることを用いました。
をに代入します。
勾配ベクトルが求まりました。
最急降下法で解く場合、以下の更新式を収束するまで繰り返せばが求まります。
は学習パラメータです。
偉人の名言
抜け出すための一番の方法は、やり抜くこと。
ロバート・フロスト