王正存;肖中俊;严志国

• 1:齐鲁工业大学(山东省科学院)，电气工程与自动化学院，济南 250353

摘要(Abstract)：

本文通过实现逻辑回归成本函数模型的建立，运行梯度下降算法优化、更新权重和偏差，使用优化后的逻辑回归预测待测试图像在所有图片中的出现概率。首先加载训练集、测试集的图片，对图片降低维度并转置，实现前向和后向传播的成本函数，对逻辑回归的负对数似然成本进行正则化，使用断言确保数据的正确性。通过计算当前参数的成本和梯度，运行正则化的梯度下降算法来优化更新权重和偏差的超参数，优化循环的迭代次数更新规则的学习率的超参数，最后分别利用逻辑回归模型和正则化后的逻辑回归模型进行预测。实验证明，上述方法识别测试集图片中出现的概率准确性提高。

关键词(KeyWords)： 逻辑回归;成本函数;正则化;梯度下降

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金（61877062）

作者(Author): 王正存;肖中俊;严志国

Email:

DOI: 10.16442/j.cnki.qlgydxxb.2019.05.008

参考文献(References)：

• [1] EDITH LAW,BURR SETTLES,TOM MITCHELL.Machine learning and knowledge discovery in databases[M].Springer Berlin Heidelberg:2010.
  [2] 王鑫,李可,徐明君,等.改进的基于深度学习的遥感图像分类算法[J].计算机应用,2019,39(02):382-387.
  [3] 戴维.逻辑回归解决文本分类问题[J].通讯世界,2018(08):266-267.
  [4] ALEXANDER Genkin,DAVID D LEWIS,DAVID MADIGAN.Large-scale bayesian logistic regression for text categorization[J].Technometrics,2007,49(3):291-304.
  [5] 胡智超.基于机器学习与启发式算法的物流调度研究[D].北京:北京邮电大学,2019.
  [6] 黄费涛,杨振国,刘文印.事件分类:使用DeepWalk学习的基线[J].工业控制计算机,2019,32(05):122-124.
  [7] 邓介一.大数据环境下的多分类逻辑回归算法研究与应用[D].武汉:武汉工程大学,2018.
  [8] 马莉雅.基于决策树、逻辑回归和改进神经网络的几种慢性病的危险因素分析研究(英文)[J].软件,2014,35(12):58-65.
  [9] 严晓明.一种逻辑回归学习率自适应调整方法[J].福建师范大学学报(自然科学版),2019,35(03):24-28.
  [10] 安波.基于逻辑回归模型的垃圾邮件过滤系统的研究[D].哈尔滨:哈尔滨工程大学,2009.
  [11] 马泽辉.基于逻辑回归算法的Webshell检测方法研究[J].信息安全研究,2019,5(04):298-302.

文章评论(Comment)：