逻辑斯蒂回归模型

本文主要根据周志华的西瓜书以及李航的《统计学习方法》中提到的方法，结合自己的想法进行记录的文档，部分概念可能理解不够透彻表述会有问题。

对于观察到的样本集 { ( x i , y i ) } \{(x_i,y_i)\} {(xi​,yi​)}, i = 1 , . . . , N . x i ∈ R n , y i ∈ { 0 , 1 } i=1,...,N.x_i\in\R^n,y_i\in\{0,1\} i=1,...,N.xi​∈Rn,yi​∈{0,1}，设这组数据的分布情况是满足二项逻辑斯蒂分布的，然后对他进行参数估计。设

$P(Y=1|x)=\frac{e^{wx}}{1+e^{wx}}=\pi (x)$
$P(Y=0|x)=\frac{1}{1+e^{wx}}=1-\pi (x)$
其中$w\in {\mathbb{R}}^n,wx$是两个n维向量的内积
将两个表达式写成一个，则有
$P(Y=y_i|X=x_i)=\pi (x_i{)}^{y_i}(1-\pi (x_i){)}^{1-y_i}$
令$Z$表示，“样本集的N个事件同时发生”，则有
$P(Z)=P((Y=y_1|X=x_1)\cap (Y=y_2|X=x_2)\cap ...\cap (Y=y_n|X=x_n))$，而对于这些观察到的样本集的数据，通常都是假设其满足独立同分布的条件的，独立则有事件交的概率等于概率的乘积，同分布即都服从同一组参数下的二项逻辑斯蒂分布。从而有
$P(Z)=P((Y=y_1|X=x_1)\cap (Y=y_2|X=x_2)\cap ...\cap (Y=y_n|X=x_n))$
$=P(Y=y_1|X=x_1)\cdot \cdot \cdot P(Y=y_n|X=x_n)$
而我们进行参数估计就是在这组已知的观察数据的基础上，找到让观察数据出现，即事件$Z$出现概率最大的那组参数。比如有一组参数$w_1$,得到$Z$发生的概率是$p_1$，参数$w_2$得到$Z$发生的概率是$p_2$,如果$p_1>p_2$,那么显然，参数$w_1$更加适合这组数据，即在参数$w_1$下，事件$Z$更有可能发生。概念的问题理清后剩下的问题就是函数最值的问题了。
$\underset{w}{\mathrm{argmax}}P(Z):=\prod _{i=1}^{N}P(Y=y_i|X=x_i)$
$=\prod _{i=1}^N\pi (x_i{)}^{y_i}(1-\pi (x_i){)}^{1-y_i}$
表达式右边有指数乘积比较麻烦，可以在两边取对数。因为对数函数是单增的，所以参数$w^{\ast }$使得$P(Z)$达到最大值，那么其肯定也使$Lp(Z)$达到最大值。
$Lp(Z)=\sum _{i=1}^N{y}_i\ln \pi (x_i)+(1-y_i)\ln (1-\pi (x_i))$
$=\sum _{i=1}^N{y}_i\ln \frac{\pi (x_i)}{1-\pi (x_i)}+\ln (1-\pi (x_i))$
$=\sum _{i=1}^N{y}_i\ln e^{w{x}_i}-\ln (1+e^{wx})$
$=\sum _{i=1}^N{y}_{i}w{x}_i-\ln (1+e^{w{x}_i})$
上式是一个关于参数$w$的函数，函数最值问题研究，无非就是求导考虑区间单调性，极值点。先求导
$\frac{\partial Lp}{\partial w_j}=\sum _{i=1}^N{y}_i{x}_i^{(j)}-\frac{e^{w{x}_i}}{1+e^{w{x}_i}}\cdot x_i^{(j)}$
其中$x_i^{(j)}$表示向量$x_i$的第$j$个分量。
化简得，上式
$=\sum _{i=1}^N{y}_i{x}_i^{(j)}-\pi (x_i)x_i^{(j)}$
$=\sum _{i=1}^N(y_i-\pi (x_i))x_i^{(j)}$

令上式等于0，即可求出$w$，但有两个问题，
1.表达式有线性部分，有指数部分，妥妥的超越方程，似乎没有理论精确解（可能有，但我不会）
2.倒数为0的点是极值点没错，不知道是极大值还是极小值，而且极值点也不一定就是最值点。

先研究第二个问题，先从低维开始，当$w,x$的维数都是一维的时候有
$\frac{\partial Lp}{\partial w}=\sum _{i=1}^N(y_i-\pi (x_i))x_i$
从而有
$\frac{{\partial }^{2}Lp}{\partial w^2}=\sum _{i=1}^N\frac{-x_i^2{e}^{w{x}_i}}{(1+e^{w{x}_i}{)}^2}<0$
函数$Lp(Z)$的二阶导恒小于0，说明一阶导函数是一个单调减函数，也就是说一阶导为0的点左边是恒大于0的，右边是恒小于0的，从而原函数$Lp(Z)$在零点左侧单调增（导函数在该区间恒正），右侧单调减，从而一阶导为0点为函数$Lp(Z)$在整个区间的最大值点。
当$w,x$的维数是两维时，多元函数求最值通常用拉格朗日乘数法或者黑塞矩阵，这里先计算其黑塞矩阵为
$$\left[\begin{array}{cc}{\sum }_{i=1}^N-t(x_i)(x_i^{(1)}{)}^2& {\sum }_{i=1}^N-t(x_i)x_i^{(1)}{x}_i^{(2)}\\ {\sum }_{i=1}^N-t(x_i)x_i^{(1)}{x}_i^{(2)}& {\sum }_{i=1}^N-t(x_i)(x_i^{(2)}{)}^2\end{array}\right]$$
其中$t(x_i)=\frac{e^{w{x}_i}}{(1+e^{w{x}_i}{)}^2}$,恒大于0
$x_i^{(1)}$是$x_i$的第一维数据
因为顺序主子式中
${\sum }_{i=1}^N-t(x_i)(x_i^{(1)}{)}^2<0$
${\sum }_{i=1}^N-t(x_i)(x_i^{(1)}{)}^2\cdot {\sum }_{i=1}^N-t(x_i)(x_i^{(2)}{)}^2-({\sum }_{i=1}^N-t(x_i)x_i^{(1)}{x}_i^{(2)}{)}^2$
$={\sum }_{i=1}^N(\sqrt{t(x_i)}(x_i^{(1)}{)}^2)\cdot {\sum }_{i=i}^N(\sqrt{t(x_i)}(x_i^{(2)}{)}^2)-({\sum }_{i=1}^N(\sqrt{t(x_i)x_i^{(1)}})(\sqrt{t(x_i)}{x}_i^{(2)}){)}^2\ge 0(柯西不等式)$
从而得出结论，该矩阵的负定的，所以，一阶导为0的点是极大值点。而$w$的每个分量单独来看，其单调性一致，所以该极大值点也就是最大值点。这个结论当然可以推广至任意有限维。

已知$Lp(Z)=f(w)=\sum _{i=1}^N{y}_{i}w{x}_i-\ln (1+e^{w{x}_i})$是一个关于自变量$w$的函数，先证明这个函数是关于$w$的多元上凸函数（凹函数），从定义出发
设对任意$w_1,w_2\in {\mathbb{R}}^n,t\in (0,1)$,我们有
$f(t{w}_1+(1-t)w_2)$
$=\sum _{i=1}^N{y}_i(t{w}_1+(1-t)w_2)x_i-\ln (1+e^{(t{w}_1+(1-t{w}_2))x_i})$
$=t\sum _{i=1}^N{y}_i{w}_1{x}_i+(1-t)\sum _{i=1}^N{y}_i{w}_2{x}_i-\sum _{i=1}^N\ln (1+e^{t{w}_i{x}_i+(1-t)w_2{x}_i})$
考虑函数$g(x)=\ln (1+e^x)$,$g^{\prime \prime }(x)=\frac{e^x}{(1+e^x{)}^2}>0$为凸函数，由凸函数定义有
$g(t{w}_1+(1-t)w_2)<tg(w_1)+(1-t)g(w_2)$
从而有
$\ln (1+e^{t{w}_i{x}_i+(1-t)w_2{x}_i})<t\ln (1+e^{w_1{x}_i})+(1-t)\ln (1+e^{w_2{x}_i})$
从而
$t\sum _{i=1}^N{y}_i{w}_1{x}_i+(1-t)\sum _{i=1}^N{y}_i{w}_2{x}_i-\sum _{i=1}^N\ln (1+e^{t{w}_1{x}_i+(1-t)w_2{x}_i})$
$\ge t\sum _{i=1}^N{y}_i{w}_1{x}_i+(1-t)\sum _{i=1}^N{y}_i{w}_2{x}_i-\sum _{i=1}^{N}t\ln (1+e^{w_1{x}_i})+(1-t)\ln (1+e^{w_2{x}_i})$
$=tf(w_1)+(1-t)f(w_2)$
从而$f(w)$是上凸函数，其黑塞矩阵为负定，所以一阶导零点处取得极大值。

凸函数极值点求解可以使用梯度下降法
由
$\frac{\partial Lp}{\partial w_j}=\sum _{i=1}^N(y_i-\pi (x_i))x_i^{(j)}$
根据梯度下降法得到迭代公式为
$w^{(j)}=w^{(j)}+\alpha \sum _{j=1}^N(y_i-\pi (x_i))x_i^{(j)}$因为$Lp$是上凸，所以$\alpha$前面的符号是正号，下凸函数才是我们通常意义的凸函数。