XGBoost模型跟Logistic Regression模型的本质区别

把握机器学习算法关键点有两个

1、loss function的理解(包括：特征X/标签Y配对的建模，X/Y配对建模的loss function的设计)。

2、loss function的求解过程。这两点串接在一起构成了算法实现的主框架。

                                                                              —— superzzx0920

尝试用一句话说出本质区别：线性分类模型和非线性回归模型的区别，类似草食性小鸟和肉食性恐龙的区别。

从机器学习三要素的角度：

模型

本质上来说，他们都是监督学习，判别模型，直接对数据的分布建模，不尝试挖据隐含变量，这些方面是大体相同的。

但是又因为一个是线性模型，一个是非线性模型，因此其具体模型的结构导致了VC维的不同：

其中，Logistic Regression作为线性分类器，它的VC维是d+1，而XGBoost作为boosting模型，可以无限分裂，具有无限逼近样本VC维的特点，因此其VC维远远大于d+1，这都是由于其线性分类器的特征决定的，归结起来，是Logistic Regression对数据线性可分的假设导致的

策略

从Loss+正则的框架开始说起：

从Loss的角度：

因为Logistic Regression的输出是y=1的概率，所以在极大似然下，Logistic Regression的Loss是交叉熵，此时，Logistic Regression的准则是最大熵原理，也就是“为了追求最小分类误差，追求最大熵Loss”， 本质上是分类器算法，而且对数据的噪声具有高斯假设；

而XGBoost是回归树的残差的绝对值（GBDT是残差MSE）的二阶导数 ，也就是“为了追求最小残差，追求残差最小Loss”，本质上是回归算法。

PS:而残差不能使用SGD等梯度优化算 法，也带来了算法上的不同

PSS:XGBoost也可以选择平方差损失，log损失等，但是默认的是残差二阶导

这种误差的差别，从几何的角度讲:

就是因为Logistic Regression是特征的线性组合求交叉熵的最小化，也就是把特征做logistic变换后进行的线性组合（是吗），使得Logistic Regression会在特征空间中做线性分界面并使得分界面到点的函数距离最小，会用一个斜线进行分界面的划分，适用于分类任务；而XGBoost的分界面都平行于特征空间的坐标轴，多个分界面分别最小化的，实际上是分界面到坐标点的曼哈顿距离，于是会利用一个类似于我的世界的像素边界进行划分，所以能带来更好的的特征选择和分界面，适用于连续值的回归。

说到最佳判据，就可以从三大判别准则的角度说说区别：

fisher准则

感知机准则

SVM的距离判别

其中，LR属于感知机准则

从正则的角度：

Logistic Regression的正则是XtX矩阵变成满秩，比如L2 Loss相当于在XtX后面乘以一个单位对角矩阵使得数组变成满秩，而L1 loss是...
XGBoost的正则是一棵树里面节点的个数，以及每个树叶子节点上面输出分数的L2模平方，也就是L1+L2
区别在于一个直接用对角矩阵对解进行整体的限定，一个用迭代的误差控制本轮参数的增长

算法 ：

因为可导性不同，所以优化器不同，但是其中很多的原理是相同的。

其中，Logistic Regression采用的牛顿等优化器跟而XGBoost采用二阶泰勒展开都利用了二阶导数信息的思想

Logistic Regression采用的SAG/SAGA等优化器会在使用上一次一阶导数信息的1/n以进行本次的迭代，跟XGB的Shrinkage都一样地采用了梯度衰减的思想

PS：虽然，这些都不是目前常用的优化器，这也是跟 Logistic Regression本身的低计算量有关的。SAG/SAGA等优化器在scikit-learn上可用，但是业界用得比较多的还是 BGFS，L-BGFS等，个人认为是计算量的原因，Logistic Regression模型很快就可以收敛，在线性可分的空间中也不容易出现鞍点，而且一般用Logistic Regression模型的数据量都比较大，大到不能上更复杂的模型，所以优化方法一般都是往计算量小的方向做

从特征的角度：

特征组合：

如前所说，XGBoost寻求残差最小的分裂点，所以自动会在当前根据特征A分裂的子树下寻求其他能使残差最小的其他特征B，这样就自动具备寻求好的特征组合的性能，因此也能给出哪些特征比较重要（根据残差的下降量）

而LR只是一次性地寻求最大化熵的过程，对每一维的特征都假设独立，因此只具备对已有特征空间进行分割的能力，更不会对特征空间进行升维（特征组合）

特征的稀疏性：

如前所述，Logistic Regression不具有特征组合的能力，并假设特征各个维度独立，因此只具有线性分界面，实际应用中，多数特征之间有相关性，只有维度特别大的稀疏数据中特征才会近似独立，所以应应用在特征稀疏的数据上

对于XGBoost，

使用的角度：

XGBoost的Loss比较复杂，参数比较多，但是可以支持自定义Loss，会自动求一阶和二阶导数，也就是说其实是一个残差学习框架，应用于适用感知器准则的任何框架。

PS：腾讯招聘岗位要求跟别的公司不一样，它写“熟悉Tensorflow，XGBoost等框架”，其他公司一般把XGBoost看成是一种算法，差距从中可见一斑

隐含假设的不同

Logistic Regression的假设：

1.噪声是高斯分布的

2.在$P=0$或$P=1$附近，$P$对$X$的变化并不敏感。

3.特征独立

4.P=0或P=1时，特征保持同方差假设

抛砖引玉，基于这个框架还可以写出：K-NN跟K-means的区别，DNN跟GBDT的区别等，我还需要多多思考

参考文献：

XGBoost  – 陈天奇 XGBoost 与 Boosted Tree http://www.52cs.org/?p=429
SAG – Mark Schmidt, Nicolas Le Roux, and Francis Bach
Minimizing Finite Sums with the Stochastic Average Gradient  https://hal.inria.fr/hal-00860051/document
SAGA – Defazio, A., Bach F. & Lacoste-Julien S. (2014).
SAGA: A Fast Incremental Gradient Method With Support for Non-Strongly Convex Composite Objectives  https://arxiv.org/abs/1407.0202