第五章讲的是Logistic 回归，作者提出了梯度上升算法，本文是对该算法的一个通俗易懂的解释，不需要任何梯度的知识就能理解，造福广大初学者。

简单描述问题

给定一个样本集，每个样本点有两个维度值（X1，X2）和一个类别值，类别只有两类，我们以0和1代表。数据如下所示：

机器学习的任务是找一个函数，给定一个数据两个维度的值，该函数能够预测其属于类别1的概率。
假设这个函数的模样如下：
h(x) =sigmoid(z)
z = w0 +w1*X1+w2*X2
问题转化成了，根据现有的样本数据，找出最佳的参数w(w0，w1，w2)的值

迭代找出最佳的w

为进一步简化问题，我们假设样本集只有上表中的两个。
假设现在手上已经有一个wt，也就是有了一个函数h(x)，那么我们可以把样本1和样本2的数据代进去，看看这个函数的预测效果如何，假设样本1的预测值是p1 = 0.8，样本2的预测值是：p2 = 0.4。

函数在样本1上犯的错误为e1=（1-0.8）= 0.2，在样本2上犯的错误为e2=（0-0.4）= -0.4，总的错误E为-0.20（e1+e2）。如下表所示：

现在我们要改进wt的值，使得函数在样本1和2上犯的总错误E减小。

将wt的改进拆开来，就是分别改进它的三个分量的值，我们以w1为例。

对于样本1：
X1*e1=-1.4*0.2= -0.28
-0.28告诉我们什么呢？它告诉我们，样本1的X1和e1是异号的，减小w1的值，能够减小函数在样本1上犯的错误。为什么呢？
w1减小，则X1*w1增大（因为样本1的X1是负的），进而 z = w0 +w1*X1+w2*X2增大，又由于sigmoid函数是单调递增的，则h(x)会增大。当前的h(x)是0.8，增大的话就是在向1靠近，也就是减小了在样本1上犯的错。

对于样本2：
X1*e2=-2.5*-0.4= 1
1告诉我们，样本2的X1和e2是同号的，增大w1的值，能够减小函数在样本2上犯的错误。为什么呢？
w1增大，则X1*w1减小，进而 z = w0 +w1*X1+w2*X2减小，又由于sigmoid函数是单调递增的，则h(x)会减小。当前的h(x)是0.4，减小的话就是在向0靠近，也就是减小了在样本2上犯的错。

现在的问题就是这样的，样本1说，要减小w1的值，这样函数对我的判断就更准确了，样本2说，要增大w1的值，这样函数对我的判断就更准确了。

显然，样本1和样本2都只从自己的角度出发，对改进w1提出了各自不同意见，我们要综合它们的意见，以决定是增大w1还是减小w1，如下：

-0.28+1 = 0.72

最后的结果0.72是正的，说明，增大w1对函数的总体表现更有利。就是说，增大w1后，虽然在样本1上犯的错误会稍稍增大，但在样本2上犯的错误会大大减小，一个是稍稍增大，一个是大大减小，为了函数总体表现，肯定是增大w1的值啦。

那么具体增加多大呢？我们可以用一个专门的参数alpha来控制。

以上，只是对书中所用算法的一个形象直观的理解，没有任何严谨的数学证明，目的是让大家能够更感性地理解这个算法在做什么。

2016.12.16补充

刚才学习了第6章，发现这个规律具有普遍性。下面结合SMO算法进一步说明。
设fXi 是函数在xi元素上的预测值，yi是样本的实际值，只能是+1或-1
ei = yi – fXi

则yi*ei<0,表明减小ai，会减小函数在样本xi上犯的错，为什么呢？
我们知道fXi这个值中有这样一项

ai*yi*K(xi,xi)

K(xi,xi)是大于0的。
我们考虑yi为+1的情况，则ei为负数，即fXi是大于yi的，当我们减小ai的值时，由于yi和K(xi,xi)都是大于0的，所以fXi也会减小，也就是说，fXi会朝着yi的方向移动。

yi为-1时的分析与此类似。

可见，yi*ei的符号确实能够告诉我们优化的方向。