Li em um livro de aprendizado de máquina que parâmetros de regressão linear podem ser estimados (entre outros métodos) por descida de gradiente, enquanto parâmetros de regressão logística são geralmente estimados por estimativa de probabilidade máxima.
É possível explicar a um iniciante (eu) por que precisamos de métodos diferentes para a regressão linear / logística. aka por que não MLE para regressão linear e por que não gradiente descendente para regressão logística?
Respostas:
Você está confundindo maçãs com laranjas. Tudo bem, porque ambos são deliciosos.
A estimativa de probabilidade máxima é sobre o que você minimiza; a descida em gradiente é sobre como você minimiza.
Por que não o MLE para regressão linear?
De fato, a regressão linear é resolvida com a estimativa da máxima verossimilhança. O método padrão "minimizar a soma dos erros ao quadrado" é exatamente matematicamente equivalente à estimativa da máxima probabilidade usando uma distribuição normal condicional.
Por que não gradiente descendente para regressão logística?
Você pode resolver totalmente a regressão logística, minimizando a função de probabilidade usando a descida do gradiente. Na verdade, é um ótimo exercício, e eu recomendo que todos façam pelo menos uma vez.
A descida em gradiente não é o método padrão. Esse prêmio vai para os mínimos quadrados re-ponderados / método de Newton , que é um aprimoramento na descida do gradiente que leva em consideração também a segunda derivada. Esse método acaba por ter propriedades muito melhores do que a descida do gradiente, mas é mais difícil de entender e implementar.