1. LR初探
逻辑斯蒂回归模型,(logistic regression,LR)是我和队友在腾讯TSA比赛中使用的第一个模型,比赛开始和睿杰讨论过,他推荐先用这个模型,那时我们仨都是小白,也不知道套路,就这样做,结果大部分队伍第一个都会采用该模型。
我对LR模型的理解是,这是一个形式很简单的模型,对二分类问题来说:
其中x为N维特征组成的向量,(w,b)为N维参数,两者做点积,得到的结果放进LR模型中得到概率。LR模型的图为:
通过训练集学习到w参数,然后对测试集,用上述公式计算其属于正类的概率。w可以看出每个特征的贡献度,w值越大,则该项正类贡献越大,点积值越偏向于正类,否则为反类。即该模型有很好的可解释性。
当然LR模型本质上为线性模型,因为学习的核心结果是(wx+b),这就是线性模型,只不过用LR将其值映射到概率0-1的空间中,比较符合很多问题的要求。
如果我们想增加1维特征,也非常简单,这意味着w参数多一维而已。而且为了使得模型具有非线性能力,我们可以使用one-hot对特征进行处理。举例来说,某个问题中使用了用户的年龄属性[0-80],如果我们仅使用一维w来与年龄点乘,则为一条直线模型。如果年龄40-50岁与结果是正相关,0-40与50-80都是负相关,则反映不出来;此时采用one-hot处理,将年龄划分为10岁一段共分8段,每段一个w权值,这样就可以反映出不同年龄段的不同权重大小。而LR对这些操作有很好的接纳和解释。
2. 逻辑斯蒂分布
以上是我的初步理解。根据《统计学习方法》第6章将LR整理如下。
设X是连续随机变量,假如X具有如下分布函数和密度函数:
则称X服从 逻辑斯蒂分布。其中 μ 为位置参数, γ 为形状参数。
F(x)图像见下图, γ 越小,形状越陡。
密度函数f(x)的图像见下图:
3. 二项逻辑斯蒂回归模型
1.模型定义
分类模型,由条件概率分布P(Y|X)表示,形式为参数化的LR的分布。X的取值为实数,Y的取值为1/0。通过监督学习方法来估计模型参数。