Logistic 回归-原理及应用
Logistic 回归，中文音译为逻辑回归，它是一个非线性模型，是由线性回归改进而来。逻辑回归模型主要用于处理二分类问题，也可以用于处理多分类问题。
公号：码农充电站pro
主页：https://codeshellme.github.io
上一篇文章介绍了线性回归模型，它用于处理回归问题。
这次来介绍一下 Logistic 回归，中文音译为逻辑回归，它是一个非线性模型，是由线性回归改进而来（所以逻辑回归的名字中带有“回归”二字）。
虽然 Logistic 回归的名字中也有回归二字，但是该算法并非用于回归问题，而是用于处理分类问题，主要用于处理二分类问题，也可以用于处理多分类问题。
1，Logistic 回归模型
Logistic 回归模型将一个事件出现的概率适应到一条S 型曲线上，这条曲线称为 Logistic 曲线。
Logistic 回归函数也叫做 Sigmoid 函数，其基本形式如下：
其中：
- g(z) 的范围为 (0, 1)
- z 的范围为 (-∞, +∞)
g(z) 公式中的自变量 z 就是我们之前介绍的线性模型公式：
2，画出 Logistic 曲线
NumPy 库中的 linspace(start, stop, num) 方法在 [start, stop] 范围内生成 num 个等距的数字，比如：
>>> import numpy as np
>>>
>>> np.linspace(2.0, 3.0, num=5) # 在[2.0, 3.0] 范围生成 5 个数字
array([2. , 2.25, 2.5 , 2.75, 3. ])
>>>
>>> np.linspace(2.0, 3.0, num=6) # 在[2.0, 3.0] 范围生成 6 个数字
array([2. , 2.2, 2.4, 2.6, 2.8, 3. ])
为了画出 Logistic 曲线，定义 x，y 如下：
x = np.linspace(-10, 10, 1000) # 在[10, -10] 范围生成 1000 个数字
y = [1/(1+np.exp(-i)) for i in x] # 根据 Sigmoid 函数求出 y
用 Matplotlib 画出折线图：
import matplotlib.pyplot as plt
plt.plot(x, y)
plt.show()
S 型曲线如下：
其中橙色的直线是我添加上去的。从上图可以直观的看出S 型曲线的走势，当 x 值在 [-6, 6] 之外时，y 的值变化非常小。
将 Logistic 回归用于二分类问题时，分类为 0 和 1，当 g(z) 大于0.5 时，归入1 类；当 g(z) 小于0.5 时，归入0 类。
3，Logistic 回归的实现
sklearn 库中的 LogisticRegression 类是Logistic 回归的实现。
LogisticRegression 类的原型如下：
LogisticRegression(penalty=\'l2\',
dual=False, tol=0.0001, C=1.0,
fit_intercept=True, intercept_scaling=1,
class_weight=None, random_state=None,
solver=\'lbfgs\', max_iter=100,
multi_class=\'auto\', verbose=0,
warm_start=False, n_jobs=None,
l1_ratio=None)
来看下其中比较重要的几个参数：
-
penalty：惩罚项，可取的值有
l1，l2，elasticnet，none，默认为l2。-
l2：当模型参数满足高斯分布的时候，使用l2。支持l2的优化方法有newton-cg，sag和lbfgs。 -
l1：当模型参数满足拉普拉斯分布的时候，使用l1。在0.19 版本中，sag支持l1。 -
elasticnet：仅liblinear支持elasticnet。 -
none：表示不使用正则化（liblinear不支持）。
-
-
solver：代表的是逻辑回归损失函数的优化方法。有 5 个参数可选，分别为：
-
liblinear：coordinate descent (CD)，坐标下降法。适用于数据量小的数据集。 -
lbfgs：为默认值，在0.22 版本中改为liblinear。 -
newton-cg：牛顿CG法。 -
sag：平均梯度下降法，适用数据量大的数据集。 -
saga：随机平均梯度下降法，适用数据量大的数据集。
-
- max_iter：算法收敛的最大迭代次数，默认为 10。
- n_jobs：拟合和预测的时候 CPU 的核数，默认是 1。
关于上面的一些参数，也可以参考这里。
4，对鸢尾花数据集进行分类
下面我们使用 Logistic 回归对鸢尾花数据集进行分析。
首先加载数据集：
from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)
构建 Logistic 回归模型：
from sklearn.linear_model import LogisticRegression
clf = LogisticRegression() # 创建对象
clf.fit(X, y) # 拟合模型
对模型的准确率进行评分：
>>> clf.score(X, y)
0.97
可以看到，用 Logistic 回归对鸢尾花数据集进行分类，最终的准确率为 97%，可见效果还是不错的。
5，Logistic 回归处理多分类
Logistic 回归多用于二分类问题，但也可以用于多分类，就像上面对鸢尾花数据集的分析。要让 Logistic 回归处理多分类问题，就要做出一些改进。
一种改进方式是通过多次二分类实现多分类的目的。假如一个数据集有 N 个分类，那就需要训练 N 个二分类模型。对于一个新的特征数据，就需要用这 N 个分类器都对其进行处理，最终选择概率最大的那个分类作为多分类的结果。
另一种方法是将 Logistic 回归改进为 Softmax 回归，Softmax 回归给出的是实例在每一种分类下出现的概率，从而处理多分类任务。
6，总结
Logistic 回归模型是线性回归的改进，用于处理分类问题。实际应用中，Logistic 回归广泛用于广告系统预估点击率，生物统计等领域。
（本节完。）
推荐阅读：
欢迎关注作者公众号，获取更多技术干货。