第六讲 逻辑回归与广义线性模型GLM开发实践

第六讲 逻辑回归与广义线性模型GLM开发实践

建模场景

二分类问题：逻辑回归

• 对数据进行二元分类：对病人进行疾病诊断

• 预测某件事情发生的概率：预测一个用户变成付费用户的概率

广义线性模型场景举例：

风险保费预测，根据需要提供的保障责任，计算预期总索赔额

两步建模：索赔次数*平均索赔金额

什么是广义线性回归模型（GLM）？

• 系统组件：线性预测器：n = β的转置 * x（可拟合）β是定义的未知参数

• 随机组件：一个指数族分布作为响应变量Y的概率分布p（Y；θ）

• 连接函数：

一阶优化器：SGD参数估计方法

二阶优化器（迭代重加权最小二乘法）优点：初始化准确，收敛速度快，缺点：计算/通信复杂度高

一阶+二阶叠加

秘密分享加法：

Alice，Bob，Charlie

• Step1：秘密切分

• Step2：分享切片与求和

• Step3：结果构建

秘密分享乘法：分片，交互和计算，参与方得到分片，将结果进行相加得到秘密值

SSGLM参数解析：

选择回归

使用SSLR

1.准备SPU和数据（数据需要一体化）

2.模型训练

3.模型评估

使用SSGLM

模型训练：IRLS,SGD

优势：

可证安全

不依赖可信第三方

支持多种模型

计算高效