关闭

【原创】Logistic regression (逻辑回归) 概述

标签: 机器学习
1577人阅读 评论(1) 收藏 举报
分类:

 Logistic regression (逻辑回归)是当前业界比较常用的机器学习方法,用于估计某种事物的可能性。比如某用户购买某商品的可能性,某病人患有某种疾病的可能性,以及某广告被用户点击的可能性等。(注意这里是:“可能性”,而非数学上的“概率”,logisitc回归的结果并非数学定义中的概率值,不可以直接当做概率值来用。该结果往往用于和其他特征值加权求和,而非直接相乘)

  那么它究竟是什么样的一个东西,又有哪些适用情况和不适用情况呢?

 

  一、官方定义:



 

  Figure 1. The logistic function, with zon the horizontal axis and ƒ(z) on the vertical axis

   逻辑回归是一个学习f:X > Y 方程或者P(Y|X)的方法,这里Y是离散取值的,X= < X1,X2...,Xn > 是任意一个向量其中每个变量离散或者连续取值。

 

  二、我的解释

  只看公式太痛苦了,分开说一下就好。Logistic Regression 有三个主要组成部分:回归、线性回归、Logsitic方程。

  1)回归

   Logistic regression是线性回归的一种,线性回归是一种回归。那么回归是虾米呢?

   回归其实就是对已知公式的未知参数进行估计。比如已知公式是y = a*x + b,未知参数是ab。我们现在有很多真实的(x,y)数据(训练样本),回归就是利用这些数据对ab的取值去自动估计。估计的方法大家可以简单的理解为,在给定训练样本点和已知的公式后,对于一个或多个未知参数,机器会自动枚举参数的所有可能取值(对于多个参数要枚举它们的不同组合),直到找到那个最符合样本点分布的参数(或参数组合)。(当然,实际运算有一些优化算法,肯定不会去枚举的)

    注意,回归的前提是公式已知,否则回归无法进行。而现实生活中哪里有已知的公式啊(G=m*g 也是牛顿被苹果砸了脑袋之后碰巧想出来的不是?哈哈),因此回归中的公式基本都是数据分析人员通过看大量数据后猜测的(其实大多数是拍脑袋想出来的,嗯...)。根据这些公式的不同,回归分为线性回归和非线性回归。线性回归中公式都是“一次”的(一元一次方程,二元一次方程...),而非线性则可以有各种形式(NN次方程,log方程 等等)。具体的例子在线性回归中介绍吧。

 

  2)线性回归

  直接来一个最简单的一元变量的例子:假设要找一个yx之间的规律,其中x是鞋子价钱,y是鞋子的销售量。(为什么要找这个规律呢?这样的话可以帮助定价来赚更多的钱嘛,小学的应用题经常做的呵呵)。已知一些往年的销售数据(x0,y0), (x1, y1), ... (xn, yn)做样本集,  并假设它们满足线性关系:y = a*x + b (其中a,b的具体取值还不确定),线性回归即根据往年数据找出最佳的a, b取值,使 y = a * x + b 在所有样本集上误差最小。 

   也许你会觉得---晕!这么简单这需要哪门子的回归呀!我自己在草纸上画个xy坐标系,点几个点就能画出来!(好吧,我承认我们初中时都被这样的画图题折磨过)。事实上一元变量的确很直观,但如果是多元就难以直观的看出来了。比如说除了鞋子的价格外,鞋子的质量,广告的投入,店铺所在街区的人流量都会影响销量,我们想得到这样的公式:sell = a*x + b*y + c*z + d*zz + e。这个时候画图就画不出来了,规律也十分难找,那么交给线性回归去做就好。(线性回归具体是怎么做的并不重要,对程序员来说,我们就把它当成一条程序命令就好。若看完本文还想了解更多,求解方法可见本文末尾的注1)。这就是线性回归算法的价值。

   需要注意的是,这里线性回归能过获得好效果的前提是y = a*x + b 至少从总体上是有道理的(因为我们认为鞋子越贵,卖的数量越少,越便宜卖的越多。另外鞋子质量、广告投入、客流量等都有类似规律);但并不是所有类型的变量都适合用线性回归,比如说x不是鞋子的价格,而是鞋子的尺码),那么无论回归出什么样的(a,b),错误率都会极高(因为事实上尺码太大或尺码太小都会减少销量)。总之:如果我们的公式假设是错的,任何回归都得不到好结果。

  

  3Logistic方程

  上面我们的sell是一个具体的实数值,然而很多情况下,我们需要回归产生一个类似概率值的0~1之间的数值(比如某一双鞋子今天能否卖出去?或者某一个广告能否被用户点击我们希望得到这个数值来帮助决策鞋子上不上架,以及广告展不展示)。这个数值必须是0~1之间,但sell显然不满足这个区间要求。于是引入了Logistic方程,来做归一化。这里再次说明,该数值并不是数学中定义的概率值。那么既然得到的并不是概率值,为什么我们还要费这个劲把数值归一化为0~1之间呢?归一化的好处在于数值具备可比性和收敛的边界,这样当你在其上继续运算时(比如你不仅仅是关心鞋子的销量,而是要对鞋子卖出的可能、当地治安情况、当地运输成本 等多个要素之间加权求和,用综合的加和结果决策是否在此地开鞋店时),归一化能够保证此次得到的结果不会因为边界 太大/太小 导致 覆盖其他feature  被其他feature覆盖。(举个极端的例子,如果鞋子销量最低为100,但最好时能卖无限多个,而当地治安状况是用0~1之间的数值表述的,如果两者直接求和治安状况就完全被忽略了)这是用logistic回归而非直接线性回归的主要原因。到了这里,也许你已经开始意识到,没错,Logistic Regression 就是一个被logistic方程归一化后的线性回归,仅此而已。

   至于所以用logistic而不用其它,是因为这种归一化的方法往往比较合理(人家都说自己叫logistic了嘛 呵呵),能够打压过大和过小的结果(往往是噪音),以保证主流的结果不至于被忽视。具体的公式及图形见本文的一、官方定义部分。其中f(X)就是我们上面例子中的sell的实数值了,而y就是得到的0~1之间的卖出可能性数值了。(本段 “可能性” 并非 “概率” ,感谢zjtchow同学在回复中指出)

 

三、Logistic Regression的适用性

1 可用于概率预测,也可用于分类。

       并不是所有的机器学习方法都可以做可能性概率预测(比如SVM就不行,它只能得到1或者-1)。可能性预测的好处是结果又可比性:比如我们得到不同广告被点击的可能性后,就可以展现点击可能性最大的N个。这样以来,哪怕得到的可能性都很高,或者可能性都很低,我们都能取最优的topN。当用于分类问题时,仅需要设定一个阈值即可,可能性高于阈值是一类,低于阈值是另一类。

2 仅能用于线性问题

       只有在featuretarget是线性关系时,才能用Logistic Regression(不像SVM那样可以应对非线性问题)。这有两点指导意义,一方面当预先知道模型非线性时,果断不使用Logistic Regression 另一方面,在使用Logistic Regression时注意选择和target呈线性关系的feature

3 feature之间不需要满足条件独立假设,但各个feature的贡献是独立计算的。

       逻辑回归不像朴素贝叶斯一样需要满足条件独立假设(因为它没有求后验概率)。但每个feature的贡献是独立计算的,即LR是不会自动帮你combine 不同的features产生新feature (时刻不能抱有这种幻想,那是决策树,LSA, pLSA, LDA或者你自己要干的事情)。举个例子,如果你需要TF*IDF这样的feature,就必须明确的给出来,若仅仅分别给出两维 TF  IDF 是不够的,那样只会得到类似 a*TF + b*IDF 的结果,而不会有 c*TF*IDF 的效果。

 

(完)

==============================================================

我是分割线 。以下内容不看不影响逻辑回归的使用,看了——也没什么帮助。只是为希望一探究竟的同学准备的,括弧笑

==============================================================

 

注一:线性回归求解方法

线性回归的求解方法适用于feature数量任意多的情况,所以为了直观(也为了少码字...),我们还是以上文中feature为一维的例子来说,即x:鞋子价格目标y:鞋子销量。那么线性回归求解,就是要找到那么一条直线,让实际的数据点(xi, yi) 偏离这个直线的总体距离最短。 这里实际有两个问题:1)怎么确切地定义“总体距离最短”呢?即总体误差的计算公式是什么(又称cost function)。没有这个东西,就没办法说我找到了误差最小的直线。  2)在给定cost function的情况下,怎么找到那条误差最小直线 f(x) = a*x + b

 

下面分开来说,

1cost function(最小二乘法)。

常见资料会把线性回归求解方法称为“最小二乘法(不要点进去看,百科上那个公式写的太拧巴了,下面我会说),其实“最小二乘法”算不上一个求解方法,它是一个评估方法,即cost function

 

“二乘”就是平方的意思,即,它定义了总体误差是:每个点的 “预测值” 减去 “真实值” 差的平方(“二乘”),累加起来的和。用公式表示就是:SUM[ ( f( xi ) - yi ) ^ 2 ] 其中f(x)是当前预测的直线。“最小”就是认为当这个平方的累加和最小时,直线是误差最小的。以上即最小二乘法。

 

那么为什么要平方呢?(不想管可略过本段:D)——首先因为差值有正有负的,不平方累加起来正负会抵消——可是用绝对值的和不是更好吗?其实我更喜欢的一个解释是,如果我们认为实际的点在偏离预测值时是按“正态分布”偏离的,那么就应该最小化平方和,而不是最小化绝对值的和或其它的和。因为正态分布概率大概长这个样子:P(x) = 常数 * e^[-(x - 期望值)^2 / 常数。注意其中的 -x - 期望值)^2,它是平方不是绝对值。让误差平方最小就是让正态分布的P(x)最大,也就是让当前的误差解释起来最为合理,直观上不难理解吧?刘未鹏在这篇介绍贝叶斯的文章里,详细说明了这个问题。PS:这篇文章也是我看过介绍贝叶斯博文中最棒的,想了解贝叶斯的同学非常推荐去看(等等,LZ写了这么多,还是先把LZ这篇博文看完吧~~ :D 

 

2)梯度下降法(真正的求解方法)

“最小二乘法”只是定义了cost function具体求解(找到最优的直线)一般用梯度下降法(gradient descent)。梯度下降是一个贪心的搜索方法,全面地讲述起来可以另开一篇博文了... 对于本文来说,你只需要了解它是这么做的:它先随便找条直线,计算误差,然后不断进行微调,每步微调都让误差减少一点,直至最后不能减少为止,最后的直线即为最优直线。

 

具体的做法我们可以这样理解(注意,以上说法是保证对的,但以下说法,只求直观理解,不可做正式定义,标准描述见这里):

     1> 它先随便找一条直线 f(x) = a0 * x + b0,计算误差(cost function)。

     2> 对于a0(对于b0也是同样,如果有c0,d0,e0,f0也是同样),试试让a1 = a0 + 很小的数, 产生一个新的直线 a1 * x + b0,看看新的误差(cost function结果)是不是比原来的小了,如果是,就用这个a1了;否则看a1 = a0 - 很小的数 能否让误差变小,如果是,那用这个a1;如果都不是a0在局部已经是最好参数了,则不变a1 = a0;同理处理参数b0。最终得到一个新直线f(x) = a1 * x + b1。(只是形象说法,这个过程其实是通过求偏导实现的)

     3> 重复第2步,直至ab不能再变化了,最后的 f(x) = an * x + bn,即为最优直线,求解结束。

 

由于本问题的特殊性(最小二乘的cost function凸函数),无论起始a0,b0是什么值,上述方法一定能找到一个唯一的最优直线。而且由于使用了梯度来计算上述“很小的数”,这个“很小的数”会随着直线越接近最优直线,变得越来越小,最终趋近于0,所以不必担心走不到第3>步。

 

原创博文,转载请注明出处:

http://blog.csdn.net/suranxu007/article/details/49927967

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:18641次
    • 积分:352
    • 等级:
    • 排名:千里之外
    • 原创:12篇
    • 转载:2篇
    • 译文:0篇
    • 评论:13条
    最新评论