什么是逻辑回归?
逻辑回归是将一个事件出现的概率适配到一条线性曲线上,常见的逻辑回归函数为 Sigmoid 函数。如下所示:
对应的曲线如下:
逻辑回归模型是一种将影响概率的不同因素结合在一起的指数模型,对这些因素进行线性组合,其中参数 β 称为自回归参数,表示相应影响因素的重要性。
如何决定这些参数β :
上述回归模型可看作是一个一层的人工神经网络。当这些参数数量较少时,所有训练人工神经网络的方法均适用。对于搜索广告的点击率预估这样的问题,需要训练的参数有上百万个,因此要寻找更有效的方法,具体不在我们的讨论之列。
这个模型被称为 logistic 回归,虽然应该强调的一点是,这是一个分类模型(主要用于二分类)而不是回归模型。
逻辑回归的主要用途:
- 寻找危险因素:寻找某一疾病的危险因素等;
- 预测:根据模型,预测在不同的自变量情况下,发生某病或某种情况的概率有多大;
- 判别:实际上跟预测有些类似,也是根据模型,判断某人属于某病或属于某种情况的概率有多大,也就是看一下这个人有多大的可能性是属于某病。说的直白点,就是分类。
Logistic回归主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险因素预测某疾病发生的概率,等等。例如,想探讨胃癌发生的危险因素,可以选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群肯定有不同的体征和生活方式等。这里的因变量就是是否胃癌,即“是”或“否”,自变量就可以包括很多了,例如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的,也可以是分类的。
常规步骤
Regression问题的常规步骤为:
- 寻找h函数(即hypothesis);
- 构造J函数(损失函数);
- 想办法使得J函数最小并求得回归参数(θ)