機械学習

多クラスロジスティック回帰⑥ モデル出力を確率で

投稿日:

こちらを読むと

  • 多クラスロジスティック回帰について、モデル出力を確率で表す方法が分かります

確率の表し方

前回までの記事で、多クラスロジスティック回帰のモデル出力がの式で表せることを説明しました。

$$
{\bf y} = f(W{\bf x} + {\bf b})
$$

ここでは、入力データがそれぞれのクラスに分類される確率を出してみましょう。

入力\({\bf x}\)に対して、分類されるいずれかのクラス値をとる確率変数を\(C\)とします。2値ロジスティック回帰のときは、\(C=0\)または\(C=1\)で表しました。

多クラスでは、\(C=k (k=1, 2, \dots, K)\)となります。

ある1つのニューロンの出力y_kを考えると、これは\({\bf x}\)がクラス\(k\)に分類される確率になります。

$$
\begin{eqnarray}
p(C=k|x) = y_k &=& f({\bf w}_k^T{\bf x} + b_k)\\
&=& \frac {exp({\bf w}_k^T{\bf x} + b_k)}{\sum_{j=1}^N exp({\bf w}_j^T {\bf x} + b_j)}
\end{eqnarray}
$$

まとめ

  • 多クラスロジスティック回帰について、モデル出力を確率で表す方法が分かりました

モデル出力を確率で表すことができたので、2値ロジスティック回帰と同様に交差エントロピー誤差関数が使えそうですね。次回はその求め方について書きます。

多クラスロジスティック回帰は式変形が複雑なので、ステップ・バイ・ステップで着実に進めていこうと思います。

Reference

詳解ディープラーニング
https://book.mynavi.jp/manatee/books/detail/id=72424null



-機械学習

執筆者:


comment

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

関連記事

scikit-learn load_iris datasetのまとめ

Table of Contents こちらを読むと何がしたいかload_iris datasetまとめ こちらを読むと scikit-learnのload_iris datasetについて、詳細が分か …

単純パーセプトロン①

Table of Contents こちらを読むと単純パーセプトロンとは式まとめReference こちらを読むと ニューラルネットワークのパーセプトロンの概要を知ることができます 単純パーセプトロン …

多クラスロジスティック回帰② ソフトマックス関数の微分

Table of Contents こちらを読むとソフトマックス関数のおさらいソフトマックス関数の微分まとめReference こちらを読むと 多クラスロジスティック回帰のソフトマックス関数の微分の導 …

カテゴリ特徴量の変換方法

Table of Contents こちらを読むとデータ例One-HotエンコーディングダミーコーディングEffectコーディング変換方法のまとめまとめReference こちらを読むと カテゴリ特徴 …

Google Colaboratoryで大容量ファイルの分析を行う完全準備ガイド

Table of Contents こちらを読むとやりたいことたとえばシンプルにやると失敗するベストはGoogle Drive上でzip解凍しておくZIP Extractorで解凍まとめReferen …

Twitterフォロー

Twitterタイムライン