超级会员免费看
本文通过模拟数据演示了R语言中逻辑回归模型的优化过程，详细介绍了对数似然函数、梯度函数和海塞矩阵，并给出了使用梯度和海塞矩阵实现牛顿迭代算法的代码，同时对比了自定义算法与R内置glm()函数的收敛结果。
为了模拟一个逻辑回归模型的优化过程，我们可以使用模拟数据来进行演示。下面是一些模拟数据：
# 模拟数据
set.seed(123)
n <- 100
x <- rnorm(n)
y <- rbinom(n, 1, plogis(x))
逻辑回归的对数似然函数可以写成：
ℓ(β)=∑i=1nyilog(pi)+(1−yi)log(1−pi)\ell(\boldsymbol{\beta})=\sum_{i=1}^{n} y_{i} \log \left(p_{i}\right)+\left(1-y_{i}\right) \log \left(1-p_{i}\right)ℓ(β)
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
