对于要使用 logistic 回归的人而言,无非有两种,第一种把他当成CPU一样的工具,知道输入输出什么情况下能解决什么问题就能够满足日常使用;第二种希望掌握背后的原理,不论是兴趣所致抑或工作学习需要。本文章为两者都提供需要的信息
概论部分【足够理解 logistic 回归 & 使用情景】
先附上一份英文博客,用通俗易懂的语言讲解了logistic 回归的核心思想,强烈建议有条件的同学亲自看看。
解决什么问题
和其他线性回归略有不同,诚然所有线性回归的本意都在于预测与解释,但是logistic回归注重的是分类任务(0,1分类)。通常而言用来进行二分类,但是也有多分类的算法可以使用。
被解释变量(Y)的特点
通常而言,被解释变量是离散的数。如果是二分类的话,举例而言我们可以用0代表一个人未患癌症,1代表一个人患癌症。如果是多分类的话又可以分为两种情况:
- 数字的大小没有实际含义:比如未来你觉得哪种出行方式是最为流行的,公交、地铁、步行、骑车、驾车可以用1~5来分别指代,但通常而言没有什么特定含义。
- 数字的大小代表了某种顺序:比如衣服的尺码从XS, S 一直到XXL,可以用由小到大的一列数字进行指代,同时有某种偏序关系。