文章目录
线性回归
1. 简单介绍一下线性回归。
- 线性：两个变量之间的关系是一次函数关系的——图象是直线，叫做线性。
- 非线性：两个变量之间的关系不是一次函数关系的——图象不是直线，叫做非线性。
- 回归：人们在测量事物的时候因为客观条件所限，求得的都是测量值，而不是事物真实的值，为了能够得到真实值，无限次的进行测量，最后通过这些测量数据计算回归到真实值，这就是回归的由来。
线性回归就是利用的样本 D = ( x i , y i ) D=(\mathrm{x}_i, \mathrm{y}_i) D=(xi,yi)， i = 1 , 2 , 3 … N , x i \mathrm{i}=1,2,3 \ldots \mathrm{N}, \mathrm{x}_i i=1,2,3…N,xi是特征数据，可能是一个，也可能是多个，通过有监督的学习，学习到由 x x x到 y y y的映射 h h h，利用该映射关系对未知的数据进行预估，因为 y y y为连续值，所以是回归问题。
2. 线性回归的假设函数是什么形式？
线性回归的假设函数（
θ
0
\theta_{0}
θ0表示截距项，
x
0
=
1
x_{0} = 1
x0=1，方便矩阵表达）：
f
(
x
)
=
θ
0
x
0
+
θ
1
x
1
+
θ
2
x
2
…
+
θ
n
x
n
=
θ
T
X
f(x)=\theta_{0} x_{0}+\theta_{1} x_{1}+\theta_{2} x_{2} \ldots+\theta_{n} x_{n} = \theta ^TX
f(x)=θ0x0+θ1x1+θ2x2…+θnxn=θTX
其中
θ
,
x
\theta,x
θ,x都是列向量
3. 线性回归的代价(损失)函数是什么形式？
M S E : J ( θ 0 , θ 1 ) = 1 2 m ∑ i = 1 m ( y i − h θ ( x i ) ) 2 MSE: \qquad J\left(\theta_{0}, \theta_{1}\right)=\frac{1}{2 m} \sum_{i=1}^{m}\left(y_{i}-h_{\theta}\left(x_{i}\right)\right)^{2} MSE:J(θ0,θ1)=2m1i=1∑m(yi−hθ(xi))2
4. 简述岭回归与Lasso回归以及使用场景。
-
目的：
-
解决线性回归出现的过拟合的请况。
-
解决在通过正规方程方法求解 θ \theta θ的过程中出现的 X T X X^TX XTX不可逆的请况。
-
-
本质：
- 约束(限制)要优化的参数
这两种回归均通过在损失函数中引入正则化项来达到目的：
线性回归的损失函数：
J
(
θ
)
=
1
2
m
∑
i
=
1
m
(
h
θ
(
x
(
i
)
)
−
y
(
i
)
)
2
J(\theta)=\frac{1}{2 m} \sum_{i=1}^{m}\left(h_{\theta}\left(x^{(i)}\right)-y^{(i)}\right)^{2}
J(θ)=2m1i=1∑m(hθ(x(i))−y(i))2
- 岭回归
- 损失函数：
J ( θ ) = 1 2 m ∑ i = 1 m ( h θ ( x ( i ) ) − y ( i ) ) 2 + λ ∑ j = 1 n θ j 2 J(\theta)=\frac{1}{2 m} \sum_{i=1}^{m}\left(h_{\theta}\left(x^{(i)}\right)-y^{(i)}\right)^{2}+\lambda \sum_{j=1}^{n} \theta_{j}^{2} J(θ)=2m1i=1∑m(hθ(x(i))−y(i))2+λj=1∑nθj2
- Lasso回归
- 损失函数
J ( θ ) = 1 2 m ∑ i = 1 m ( h θ ( x ( i ) ) − y ( i ) ) 2 + λ ∑ j = 1 n ∣ θ j ∣ J(\theta)=\frac{1}{2 m} \sum_{i=1}^{m}\left(h_{\theta}\left(x^{(i)}\right)-y^{(i)}\right)^{2}+\lambda \sum_{j=1}^{n} |\theta_{j}| J(θ)=2m1i=1∑m(hθ(x(i))−y(i))2+λj=1∑n∣θj∣
本来Lasso回归与岭回归的解空间是全部区域，但通过正则化添加了一些约束，使得解空间变小了，甚至在个别正则化方式下，解变得稀疏了。
如图所示，这里的
w
1
w_1
w1，
w
2
w_2
w2都是模型的参数，要优化的目标参数，那个红色边框包含的区域，其实就是解空间，正如上面所说，这个时候，解空间“缩小了”，你只能在这个缩小了的空间中，寻找使得目标函数最小的
w
1
w_1
w1，
w
2
w_2
w2。左边图的解空间是圆的，是由于采用了
L
2
L2
L2范数正则化项的缘故，右边的是个四边形，是由于采用了
L
1
L1
L1范数作为正则化项的缘故，大家可以在纸上画画，
L
2
L2
L2构成的区域一定是个圆，
L
1
L1
L1构成的区域一定是个四边形。
再看看那蓝色的圆圈，再次提醒大家，这个坐标轴和特征（数据）没关系，它完全是参数的坐标系，每一个圆圈上，可以取无数个 w 1 w_1 w1， w 2 w_2 w2，这些 w 1 w_1 w1， w 2 w_2 w2有个共同的特点，用它们计算的目标函数值是相等的！那个蓝色的圆心，就是实际最优参数，但是由于我们对解空间做了限制，所以最优解只能在“缩小的”解空间中产生。
蓝色的圈圈一圈又一圈，代表着参数 w 1 w_1 w1， w 2 w_2 w2在不停的变化，并且是在解空间中进行变化（这点注意，图上面没有画出来，估计画出来就不好看了），直到脱离了解空间，也就得到了图上面的那个 w ∗ w^* w∗，这便是目标函数的最优参数。
对比一下左右两幅图的 w ∗ w^* w∗，我们明显可以发现，右图的 w ∗ w^* w∗的 w 1 w_1 w1分量是0，有没有感受到一丝丝凉意？稀疏解诞生了！是的，这就是我们想要的稀疏解，我们想要的简单模型。 L 1 L1 L1比 L 2 L2 L2正则化更容易产生稀疏矩阵。
-
补充
-
ElasticNet 回归： 线性回归 + L1正则化 + L2 正则化。
-
ElasticNet在我们发现用Lasso回归太过(太多特征被稀疏为0),而岭回归也正则化的不够(回归系数衰减太慢)的时候，可以考虑使用ElasticNet回归来综合，得到比较好的结果。
-
损失函数
J ( θ ) = 1 2 ∑ i m ( y ( i ) − θ T x ( i ) ) 2 + λ ( ρ ∑ j n ∣ θ j ∣ + ( 1 − ρ ) ∑ j n θ j 2 ) J(\theta)=\frac{1}{2} \sum_{i}^{m}\left(y^{(i)}-\theta^{T} x^{(i)}\right)^{2}+\lambda\left(\rho \sum_{j}^{n}\left|\theta_{j}\right|+(1-\rho) \sum_{j}^{n} \theta_{j}^{2}\right) J(θ)=21i∑m(y(i)−θTx(i))2+λ(ρj∑n∣θj∣+(1−ρ)j∑nθj2)
-
-
LWR( 局部加权)回归：
-
局部加权线性回归是在线性回归的基础上对每一个测试样本（训练的时候就是每一个训练样本）在其已有的样本进行一个加权拟合，权重的确定可以通过一个核来计算，常用的有高斯核（离测试样本越近，权重越大，反之越小），这样对每一个测试样本就得到了不一样的权重向量，所以最后得出的拟合曲线不再是线性的了，这样就增加的模型的复杂度来更好的拟合非线性数据。
-
损失函数
J ( θ ) = 1 2 ∑ i = 1 m w ( i ) ( h θ ( x ( i ) ) − y ( i ) ) 2 J(\theta)=\frac{1}{2} \sum_{i=1}^{m} w^{(i)}\left(h_{\theta}\left(x^{(i)}\right)-y^{(i)}\right)^{2} J(θ)=21i=1∑mw(i)(hθ(x(i))−y(i))2
-
-
5. 线性回归要求因变量服从正态分布吗？
线性回归的假设前提是噪声服从正态分布，即因变量服从正态分布。但实际上难以达到，因变量服从正态分布时模型拟合效果更好。
参考资料： http://www.julyedu.com/question/big/kp_id/23/ques_id/2914
逻辑回归
1. 简单介绍一下逻辑回归
逻辑回归用来解决分类问题，线性回归的结果 Y Y Y带入一个非线性变换的Sigmoid函数中，得到 [ 0 , 1 ] [0,1] [0,1]之间取值范围的数 S S S， S S S可以把它看成是一个概率值，如果我们设置概率阈值为0.5，那么 S S S大于0.5可以看成是正样本，小于0.5看成是负样本，就可以进行分类了。
- 逻辑回归的本质： 极大似然估计
- 逻辑回归的激活函数：Sigmoid
- 逻辑回归的代价函数：交叉熵
2. 简单介绍一下Sigmoid函数
函数公式如下：
S
(
t
)
=
1
1
+
e
−
t
S(t)=\frac{1}{1+e^{-t}}
S(t)=1+e−t1
函数中 t t t无论取什么值，其结果都在 [ 0 , 1 ] [0,{1}] [0,1]的区间内，回想一下，一个分类问题就有两种答案，一种是“是”，一种是“否”，那0对应着“否”，1对应着“是”，那又有人问了，你这不是 [ 0 , 1 ] [0,1] [0,1]的区间吗，怎么会只有0和1呢？这个问题问得好，我们假设分类的阈值是0.5，那么超过0.5的归为1分类，低于0.5的归为0分类，阈值是可以自己设定的。
好了，接下来我们把 θ X + b \theta X+b θX+b带入 t t t中就得到了我们的逻辑回归的一般模型方程：
逻辑回归的假设函数：
H
(
θ
,
b
)
=
1
1
+
e
(
θ
T
X
+
b
)
H(\theta, b)=\frac{1}{1+e^{(\theta^T X+b)}}
H(θ,b)=1+e(θTX+b)1
结果
P
P
P也可以理解为概率，换句话说概率大于0.5的属于1分类，概率小于0.5的属于0分类，这就达到了分类的目的。
3. 逻辑回归的损失函数是什么
逻辑回归的损失函数是交叉熵损失函数，函数公式如下：
cost
(
h
θ
(
x
)
,
y
)
=
{
−
log
(
h
θ
(
x
)
)
y
=
1
−
log
(
1
−
h
θ
(
x
)
)
y
=
0
\operatorname{cost}\left(h_{\theta}(x), y\right)=\left\{\begin{aligned}-\log \left(h_{\theta}(x)\right) & \qquad y=1 \\-\log \left(1-h_{\theta}(x)\right) & \qquad y=0 \end{aligned}\right.
cost(hθ(x),y)={−log(hθ(x))−log(1−hθ(x))y=1y=0
两式合并得到概率分布表达式：
(
P
(
y
∣
x
,
θ
)
=
h
θ
(
x
)
y
(
1
−
h
θ
(
x
)
)
1
−
y
)
(P(y|x,\theta ) = h_{\theta}(x)^y(1-h_{\theta}(x))^{1-y})
(P(y∣x,θ)=hθ(x)y(1−hθ(x))1−y)
对数似然函数最大化得到似然函数的代数表达式为 ：
L
(
θ
)
=
∏
i
=
1
m
(
h
θ
(
x
(
i
)
)
)
y
(
i
)
(
1
−
h
θ
(
x
(
i
)
)
)
1
−
y
(
i
)
L(\theta) = \prod\limits_{i=1}^{m}(h_{\theta}(x^{(i)}))^{y^{(i)}}(1-h_{\theta}(x^{(i)}))^{1-y^{(i)}}
L(θ)=i=1∏m(hθ(x(i)))y(i)(1−hθ(x(i)))1−y(i)
对似然函数对数化取反得到损失函数表达式 ：
J
(
θ
)
=
−
l
n
L
(
θ
)
=
−
∑
i
=
1
m
(
y
(
i
)
l
o
g
(
h
θ
(
x
(
i
)
)
)
+
(
1
−
y
(
i
)
)
l
o
g
(
1
−
h
θ
(
x
(
i
)
)
)
)
J(\theta) = -lnL(\theta) = -\sum\limits_{i=1}^{m}(y^{(i)}log(h_{\theta}(x^{(i)}))+ (1-y^{(i)})log(1-h_{\theta}(x^{(i)})))
J(θ)=−lnL(θ)=−i=1∑m(y(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i))))
4.可以进行多分类吗？
多分类问题一般将二分类推广到多分类的方式有三种，一对一，一对多，多对多。
-
一对一：
- 将 N N N个类别两两配对，产生 N ( N − 1 ) / 2 N(N-1)/2 N(N−1)/2个二分类任务，测试阶段新样本同时交给所有的分类器，最终结果通过投票产生。
-
一对多：
- 每一次将一个例作为正例，其他的作为反例，训练 N N N个分类器，测试时如果只有一个分类器预测为正类，则对应类别为最终结果，如果有多个，则一般选择置信度最大的。从分类器角度一对一更多，但是每一次都只用了2个类别，因此当类别数很多的时候一对一开销通常更小(只要训练复杂度高于 O ( N ) O(N) O(N)即可得到此结果)。
-
多对多：
- 若干各类作为正类，若干个类作为反类。注意正反类必须特殊的设计。
5.逻辑回归的优缺点
-
优点
- LR能以概率的形式输出结果，而非只是0,1判定。
- LR的可解释性强、可控度高、训练速度快
-
缺点
-
对模型中自变量多重共线性较为敏感
例如两个高度相关自变量同时放入模型，可能导致较弱的一个自变量回归符号不符合预期，符号被扭转。需要利用因子分析或者变量聚类分析等手段来选择代表性的自变量，以减少候选变量之间的相关性；
-
预测结果呈 S S S型，因此从 l o g ( o d d s ) log(odds) log(odds)向概率转化的过程是非线性的，在两端随着 l o g ( o d d s ) log(odds) log(odds)值的变化，概率变化很小，边际值太小，slope太小，而中间概率的变化很大，很敏感。 导致很多区间的变量变化对目标概率的影响没有区分度，无法确定阀值。
-
6. 逻辑斯特回归为什么要对特征进行离散化。
-
逻辑回归属于广义线性模型，表达能力受限；单变量离散化为N个后，每个变量有单独的权重，相当于为模型引入了非线性，能够提升模型表达能力，加大拟合； 离散特征的增加和减少都很容易，易于模型的快速迭代；
-
稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展；
-
方便交叉与特征组合：离散化后可以进行特征交叉，由 M + N M+N M+N个变量变为 M ∗ N M*N M∗N个变量，进一步引入非线性，提升表达能力；
-
简化模型：特征离散化以后，起到了简化了逻辑回归模型的作用，降低了模型过拟合的风险。
7. 线性回归与逻辑回归的区别
-
线性回归的样本的输出，都是连续值，$ y\in (-\infty ,+\infty ) ， 而 逻 辑 回 归 中 ，而逻辑回归中 ，而逻辑回归中y\in (0,1)$，只能取0和1。
-
对于拟合函数也有本质上的差别：
- 线性回归： f ( x ) = θ T x = θ 1 x 1 + θ 2 x 2 + . . . + θ n x n f(x)=\theta ^{T}x=\theta _{1}x _{1}+\theta _{2}x _{2}+...+\theta _{n}x _{n} f(x)=θTx=θ1x1+θ2x2+...+θnxn
- 逻辑回归： f ( x ) = P ( y = 1 ∣ x ; θ ) = g ( θ T x ) f(x)=P(y=1|x;\theta )=g(\theta ^{T}x) f(x)=P(y=1∣x;θ)=g(θTx)，其中， g ( z ) = 1 1 + e − z g(z)=\frac{1}{1+e^{-z}} g(z)=1+e−z1
线性回归的拟合函数，是对 f ( x ) f(x) f(x)的输出变量 y y y的拟合，而逻辑回归的拟合函数是对为1类样本的概率的拟合。
-
为什么要以1类样本的概率进行拟合呢，为什么可以这样拟合呢？
θ T x = 0 \theta ^{T}x=0 θTx=0就相当于是1类和0类的决策边界：
当 θ T x > 0 \theta ^{T}x>0 θTx>0，则 y > 0.5 y>0.5 y>0.5；若$\theta ^{T}x\rightarrow +\infty ， 则 ，则 ，则y \rightarrow 1 ， 即 ，即 ，即y$为1类;
当 θ T x < 0 \theta ^{T}x<0 θTx<0，则 y < 0.5 y<0.5 y<0.5；若$\theta ^{T}x\rightarrow -\infty ， 则 ，则 ，则y \rightarrow 0 ， 即 ，即 ，即y$为0类;
-
这个时候就能看出区别，在线性回归中 θ T x \theta ^{T}x θTx为预测值的拟合函数；而在逻辑回归中 θ T x \theta ^{T}x θTx为决策边界。下表为线性回归和逻辑回归的区别。
线性回归和逻辑回归的区别 线性回归 逻辑回归 目的 预测 分类 y ( i ) y^{(i)} y(i) 未知 （0,1） 函数 拟合函数 预测函数 参数计算方式 最小二乘法 极大似然估计
下面具体解释一下：
- 拟合函数和预测函数什么关系呢？简单来说就是将拟合函数做了一个逻辑函数的转换，转换后使得 y ( i ) ∈ ( 0 , 1 ) y^{(i)} \in (0,1) y(i)∈(0,1);
- 最小二乘和最大似然估计可以相互替代吗？回答当然是不行了。我们来看看两者依仗的原理：最大似然估计是计算使得数据出现的可能性最大的参数，依仗的自然是Probability。而最小二乘是计算误差损失。
8. 逻辑回归有哪些应用
- CTR预估/推荐系统的learning to rank/各种分类场景。
- 某搜索引擎厂的广告CTR预估基线版是LR。
- 某电商搜索排序/广告CTR预估基线版是LR。
- 某电商的购物搭配推荐用了大量LR。
- 某现在一天广告赚1000w+的新闻app排序基线是LR。
1408
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
