博客是我个人学习的心得记录——以及挑战，不见得对，欢迎指正。如果有疑问，欢迎留言探讨，我基本都会回复。
逻辑回归系列如下：
| 序号 | 内容 | 完成时间 |
|---|---|---|
| 1 | 殊途同归的推导——极大似然概率和最小损失函数，以及正则化简介 | 2018.12.04 |
| 2 | 不要只是掉包侠——手把手实现logistics算法 | |
| 3 | 善用现有轮子——sklearn中的logistics如何调参 | |
| 4 | 连续特征离散化——改善模型的非线性表达能力 | |
| 5 | WOE转化——变量筛选以及变量转化的其他思路 |
1. 算法推导
介绍算法比较无聊（敲公式也比较累），但是为了完整性，我们快速过下核心推导过程。
逻辑回归试图找到一个分离间隔来区分0类和1类（一般定义我们关心的类别为1类），分离间隔的表达式如下：
一般用向量表示，即：
判别时将其作为sigmoid函数的输入，得到1类的概率 ：
求解逻辑回归的过程，就是求解和 的过程。我们通过最小化损失函数或极大似然概率来求解，先说第一种。
1.1 最小化损失函数
损失函数用来衡量预测值和真实值之间的差异，差异越大，损失函数越大。我们关注损失函数的这种特性，反而不关注具体损失是多少。
逻辑回归输出类别的概率，真实的概率是1，则对该类的预测概率越低，损失函数越大。可用 表示，的曲线如下：(注意此时与 不是同个概念，指1类的概率，代表任何一类)
可见：
- 越小，预测得越不准，损失越大。当趋于0，损失趋于无穷大
- 越大，预测得越准，损失越小。当趋于1，损失趋于0
具体对逻辑回归来说
- 当样本属于1类，即 时，预测结果，损失函数为;
- 当样本属于0类，即 时，预测结果，损失函数为
统一起来，单样本的损失函数可表示为：
分别把 和 代进去，会发现这个公式的巧妙之处。
这个损失函数被成为交叉熵损失函数。（关于信息熵，交叉熵，联合熵，条件熵等等各种熵，关系千丝万缕，我们会另外开贴聊）
插句题外话，你如果见过其他资料，可能觉得我说得有点复杂，怎么又是又是的。这样的好处是，当以后你遇到多分类，即sofmax回归的损失函数时，会发现其损失也是通过真实类别的预测概率 来表示的，那时候你就会发现这样理解更统一了。
现在我们的目的是最小化损失函数，采用的方法是梯度下降。简单来说就是：我们要求得一组合适的向量和，使得损失函数 最小。但是没办法直接求得答案，我们通过以下方法求解：（取 向量中一个 为例)
- 随机初始化 和 ，比如说0
- 计算 和 的梯度 、
- 设定一个学习率 ，更新 和 的值： ,
- 迭代执行2-3步骤
- 当满足两个条件之一停止迭代：1）前后两次的值变化小于某个很小的阈值 2）迭代轮次达到某个指定次数。
是一个超参数，需要多次尝试取得最佳值。现在的问题是梯度 、 怎么计算。推导过程如下。
整理一下，现在有如下算式
根据高中学过的复合函数的求导方式（深度学习DNN里称作链式法则——换了个名字我差点认不出你赵二蛋了）
两个等式中都有 、， 先求导得：
则两个相乘，计算得：
求导到这里，算式又变简单了，舒服了。。。接着来，对于一组向量来说，当对某个具体的求偏导，其余可以看做常量，则求导结果为所求对应的。对来说，系数固定为1，则求导结果为1。如下：
综上，最终梯度计算结果如下：
这样， 和 就可以求解了。
最后总结一下逻辑回归的运行过程——用深度神经网络来说，分为前向过程和后向过程。
- 随机初始化 和 ，代入式子计算出得到 (前向过程)
- 根据 计算出 和 的梯度，利用 梯度跟新 b$ 的值（后向过程）
- 根据新的 和 ，继续计算 ，如此重复迭代前向和后向过程，直到满足停止迭代的条件。
多样本的情况
为了便于阐述，上述假设只有单样本。多样本的情况是类似的，假设针对 样本，则平均损失函数为：
求和项的导数，等于各项加数分别求导后再相加。所以基于 个样本的损失函数求得的平均梯度，实际等于分别基于各个样本求得梯度再求平均。即：
- 当 全部样本时，这种方法叫梯度下降，每次迭代采用全部样本，收敛速度较快，但运算速度慢。
- 当 1 时，这种方法叫随机梯度下降，每次迭代随机抽取一条样本，收敛速度较慢，但运算速度快。
- 当 全部样本时，这种方法叫batch梯度下降，一个batch取若干个样本，是上述两种方式的折衷。
1.2 用最大似然估计推导
如上所述，逻辑回归可以输出各个类别的概率，即对于当前给定的样本来说（其实就是给你一堆已知的 )，代入不同 和 ，可以计算得到同一样本的不同概率，把所有样本的概率连乘起来，就是整体样本的概率。那么哪一组 、 是最逼近真实值的最佳估计值呢？最大似然估计内涵在于：以使当前整体样本出现的概率为最大值的那一组 和 作为最佳估计值。
极大似然估计的求解一般分为三个步骤：
- 写出似然函数，一般为一个概率连乘的表达形式。
- 将概率相乘转化为 相加（增减趋势一致）
- 求 相加的最大值
首先假设 和 已知，计算每个样本出现的概率：
- 对于正样本，
- 对于负样本，由于是二分类，所以
则不论是正样本( )，还是负样本( )，一个样本的概率可以统一表示为：
整个样本出现的概率，即似然函数，可以表达为：
求解 的最大值等于求解 的最大值，注意这里 底数必须大于1。当 底数大于1时， 函数是严格单调递增的， 随着 的增大， 也跟着增加。也就是说，我们并不在乎最大具体是多少，我们只在乎在哪个点取得最大值。
所以转化如下：
进一步的，求 的最大值，等于求 的最小值，所以求解目标转化为最小化下式：
有没有惊奇的发现，这个式子不就是上面的损失函数么。于是最终，两种方法，殊途同归。接下来用梯度下降进行求解，剩下的步骤就和上述一致了。
1.3 正则项——修正过拟合
啥叫过拟合：模型过于复杂，以至于把数据噪声也记下来了。
怎么判断过拟合：来自同一数据分布的训练集和测试集效果差异很大，如训练集准确率很高，但测试集没那么高，有显著差异。训练集准确率高，是因为把数据噪声也学习进去了。
怎么解决过拟合：主要有：从算法层面有逻辑回归增加正则处理、决策树减枝、神经网络dropout等，都是为了降低模型的复杂度；从数据层面有增加数据量，使训练数据尽量接近真实数据。
过拟合作为机器学习共有的知识点，并不是逻辑回归专属，所以不过多介绍了，主要简单说说逻辑回归怎么解决。
逻辑回归通过增加或正则项，来降低模型的复杂度，进而减少过拟合。
增加 正则项损失函数如下：
增加 正则项损失函数如下：
也就是说，在计算损失的时候，不仅关注预测值和真实值之间的差距，也关注系数项 的大小。通过控制系数来降低模型复杂度，从而减少过拟合，增加泛华能力。
众所周知，关于 、 正则话的区别如下：
- 正则项能够使相关系较低的特征，对应的系数等于0，得到稀疏的 向量
- 而 正则项倾向将特征的系数缩小趋于0
关于个中原理，我见过很多解释，比较出名的从”损失函数等高线“几何图进行解释的。我自己的理解比较简单，如果有错烦请不吝指出。
不管那种正则项，用梯度下降计算梯度时，前面那部分求导是一致，差别在于后半部分。 的 求导出来是 ，意味着在多次迭代中，不管系数 大小如何， 会比较恒定的加减某个值——即便是 已经很小了，因此比较容易减小为0。而 的 求导出来是 , 当 比较小的时候， 也比较小，所以会减去一个较小的值，不断区域0但不会等于0。
逻辑回归（1）到此结束，本来打算理论只写1500，结果现在3000+了，我还是太啰嗦了……
下一篇是不掉包，手动实现逻辑回归。（终于不用敲公式了 ……）