參考自：

http://blog.sina.com.cn/s/blog_74cf26810100ypzf.html

http://blog.sina.com.cn/s/blog_64ecfc2f0101ranp.html

----------------------------------------------------------------------

Logistic regression （邏輯回歸）是當前業界比較常用的機器學習方法，用于估計某種事物的可能性。比如某用戶購買某商品的可能性，某病人患有某種疾病的可能性，以及某廣告被用戶點擊的可能性等。（注意這里是：“可能性”，而非數學上的“概率”，logisitc回歸的結果并非數學定義中的概率值，不可以直接當做概率值來用。該結果往往用于和其他特征值加權求和，而非直接相乘）

1）回歸

?Logistic regression是線性回歸的一種。

?回歸其實就是對已知公式的未知參數進行估計。大家可以簡單的理解為，在給定訓練樣本點和已知的公式后，對于一個或多個未知參數，機器會自動枚舉參數的所有可能取值（對于多個參數要枚舉它們的不同組合），直到找到那個最符合樣本點分布的參數（或參數組合）。（當然，實際運算有一些優化算法，肯定不會去枚舉的）

注意，回歸的前提是公式已知，否則回歸無法進行。而現實生活中哪里有已知的公式啊（G=m*g 也是牛頓被蘋果砸了腦袋之后碰巧想出來的不是？哈哈），因此回歸中的公式基本都是數據分析人員通過看大量數據后猜測的（其實大多數是拍腦袋想出來的，嗯...）。根據這些公式的不同，回歸分為線性回歸和非線性回歸。線性回歸中公式都是“一次”的（一元一次方程，二元一次方程...），而非線性則可以有各種形式（N元N次方程，log方程 等等）。具體的例子在線性回歸中介紹吧。

2）線性回歸

?直接來一個最簡單的一元變量的例子：假設要找一個y和x之間的規律，其中x是鞋子價錢，y是鞋子的銷售量。（為什么要找這個規律呢？這樣的話可以幫助定價來賺更多的錢嘛，小學的應用題經常做的呵呵）。已知一些往年的銷售數據（x0,y0), (x1, y1), ... (xn, yn)做樣本集,??并假設它們滿足線性關系：y = a*x + b （其中a,b的具體取值還不確定），線性回歸即根據往年數據找出最佳的a, b取值，使?y = a * x + b 在所有樣本集上誤差最小。?

也許你會覺得---暈！這么簡單!?這需要哪門子的回歸呀！我自己在草紙上畫個xy坐標系，點幾個點就能畫出來！（好吧，我承認我們初中時都被這樣的畫圖題折磨過）。事實上一元變量的確很直觀，但如果是多元就難以直觀的看出來了。比如說除了鞋子的價格外，鞋子的質量，廣告的投入，店鋪所在街區的人流量都會影響銷量，我們想得到這樣的公式：sell = a*x + b*y + c*z + d*zz + e。這個時候畫圖就畫不出來了，規律也十分難找，那么交給線性回歸去做就好。（線性回歸具體是怎么做的請參考相應文獻，都是一些數學公式，對程序員來說，我們就把它當成一條程序命令就好）。這就是線性回歸算法的價值。

?需要注意的是，這里線性回歸能過獲得好效果的前提是y = a*x + b 至少從總體上是有道理的（因為我們認為鞋子越貴，賣的數量越少，越便宜賣的越多。另外鞋子質量、廣告投入、客流量等都有類似規律）；但并不是所有類型的變量都適合用線性回歸，比如說x不是鞋子的價格，而是鞋子的尺碼），那么無論回歸出什么樣的（a,b），錯誤率都會極高（因為事實上尺碼太大或尺碼太小都會減少銷量）。總之：如果我們的公式假設是錯的，任何回歸都得不到好結果。

3）Logistic方程

上面我們的sell是一個具體的實數值，然而很多情況下，我們需要回歸產生一個類似概率值的0~1之間的數值（比如某一雙鞋子今天能否賣出去？或者某一個廣告能否被用戶點擊??我們希望得到這個數值來幫助決策鞋子上不上架，以及廣告展不展示）。這個數值必須是0~1之間，但sell顯然不滿足這個區間要求。于是引入了Logistic方程，來做歸一化。這里再次說明，該數值并不是數學中定義的概率值。那么既然得到的并不是概率值，為什么我們還要費這個勁把數值歸一化為0~1之間呢？歸一化的好處在于數值具備可比性和收斂的邊界，這樣當你在其上繼續運算時（比如你不僅僅是關心鞋子的銷量，而是要對鞋子賣出的可能、當地治安情況、當地運輸成本 等多個要素之間加權求和，用綜合的加和結果決策是否在此地開鞋店時），歸一化能夠保證此次得到的結果不會因為邊界 太大/太小 導致 覆蓋其他feature 或 被其他feature覆蓋。（舉個極端的例子，如果鞋子銷量最低為100，但最好時能賣無限多個，而當地治安狀況是用0~1之間的數值表述的，如果兩者直接求和治安狀況就完全被忽略了）這是用logistic回歸而非直接線性回歸的主要原因。到了這里，也許你已經開始意識到，沒錯，Logistic Regression 就是一個被logistic方程歸一化后的線性回歸，僅此而已。

?

三、Logistic Regression的適用性

1） 可用于概率預測，也可用于分類。

?并不是所有的機器學習方法都可以做可能性概率預測（比如SVM就不行，它只能得到1或者-1）。可能性預測的好處是結果又可比性：比如我們得到不同廣告被點擊的可能性后，就可以展現點擊可能性最大的N個。這樣以來，哪怕得到的可能性都很高，或者可能性都很低，我們都能取最優的topN。當用于分類問題時，僅需要設定一個閾值即可，可能性高于閾值是一類，低于閾值是另一類。

2） 僅能用于線性問題

?只有在feature和target是線性關系時，才能用Logistic Regression（不像SVM那樣可以應對非線性問題）。這有兩點指導意義，一方面當預先知道模型非線性時，果斷不使用Logistic Regression； 另一方面，在使用Logistic Regression時注意選擇和target呈線性關系的feature。

3） 各feature之間不需要滿足條件獨立假設，但各個feature的貢獻是獨立計算的。

?邏輯回歸不像樸素貝葉斯一樣需要滿足條件獨立假設（因為它沒有求后驗概率）。但每個feature的貢獻是獨立計算的，即LR是不會自動幫你combine 不同的features產生新feature的 (時刻不能抱有這種幻想，那是決策樹,LSA, pLSA, LDA或者你自己要干的事情)。舉個例子，如果你需要TF*IDF這樣的feature，就必須明確的給出來，若僅僅分別給出兩維 TF 和 IDF 是不夠的，那樣只會得到類似 a*TF + b*IDF 的結果，而不會有 c*TF*IDF 的效果。

------------------------------------------------------

設我們某個測試數據為X（x0，x1，x2···xn），Θ（θ0，θ1，θ2，···θn）為我們的學習算法所學到的參數，那么

寫成向量的話就變成

Z就是我們得到的結果，但是logistic regression只能處理二值數據，這個Z是一個連續值，它的范圍可以很廣。為了把這個Z化為二值變量，引人Sigmoid函數

這個函數的圖形如下所示，將算得的Z代入上式即可得到一個接近1或者0的值，我們把g（Z）函數得出的值>=0.5的判斷為1。

所以最終構造出的預測函數為

?

轉載于:https://www.cnblogs.com/beihaidao/p/5938089.html

總結

以上是生活随笔為你收集整理的Logistic Regression逻辑回归的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。