RDkit＆mol2vec ：基于逻辑回归的靶标抑制剂活性二分类对比

逻辑回归(logistics regression)

        逻辑回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。逻辑回归从本质来说属于二分类问题。

        二分类问题是指预测的y值只有两个取值（0或1），二分类问题可以扩展到多分类问题。例如：我们要做一个垃圾邮件过滤系统，x是邮件的特征，预测的y值就是邮件的类别，是垃圾邮件还是正常邮件。对于类别我们通常称为正类（positive class）和负类（negative class），垃圾邮件的例子中，正类就是正常邮件，负类就是垃圾邮件。

为什么要用逻辑回归

既然已经有了线性回归模型，我们为什么还要使用逻辑回归。如下图所示：在线性回归中使用0.5作为阈值来判断正例和负例的依据，但是在下图中，如果继续使用0.5作为阈值就不合适了，会导致错误的样本分类。二逻辑回归可以将预测范围从实数域压缩到(0,1)范围内，进而提升预测准曲率。

逻辑回归的优点和缺点

优点：

1. 预测结果是介于0和1之间的概率；
2. 可以适用于连续性和类别性自变量；
3. 容易使用和解释。

缺点：

1. 对模型中自变量多重共线性较为敏感，例如两个高度相关自变量同时放入模型，可能导致较弱的一个自变量回归符号不符合预期，符号被扭转。需