一、逻辑回归与线性回归
1、线性回归(Linear Regression)
一般理解上,线性回归输出一个标量wx+b,是连续值,y∈(+∞,−∞),用来处理回归问题,拟合函数如下:
2、逻辑回归(Logistic Regression)
逻辑回归又称对数几率回归,这个后面会解释。是对线性回归的输出值进行压缩,一般用sigmoid的函数映射到(0,1)上,用来处理分类问题,拟合函数如下:
,其中,即是sigmoid函数,也称为logistic函数。
到这里可以看到,线性回归是对f(x)的输出变量y的拟合,而逻辑回归则是对输出为类别为1(假设二分类,0和1)的样本的概率的拟合。
二、逻辑回归拟合深究
1、推导
理论上用回归方法处理分类问题,最好的函数应该是单位阶跃函数,而实际上单位阶跃函数不连续,所以一般用sigmoid函数来替代:
上文列出了逻辑回归的拟合函数,我们继续推导:
,于是可以得到
2、结论
到这里可以看到,等式左边实际上是类型0和1的对数几率,逻辑回归拟合的另一种表述便是:用线性模型的预测结果去拟合类别1和0的对数几率。那么:
当,实际上就是1类和0类的决策边界;
当,当结果趋于无穷大,则有y为1类;
当,当结果趋于无穷小,则有y为0类;