
邏輯回歸算法的原理及實(shí)現(xiàn)(LR)
邏輯回歸(Logistic Regression, LR)又稱為邏輯回歸分析,是分類和預(yù)測(cè)算法中的一種。通過(guò)歷史數(shù)據(jù)的表現(xiàn)對(duì)未來(lái)結(jié)果發(fā)生的概率進(jìn)行預(yù)測(cè)。例如,我們可以將購(gòu)買的概率設(shè)置為因變量,將用戶的特征屬性,例如性別,年齡,注冊(cè)時(shí)間等設(shè)置為自變量。根據(jù)特征屬性預(yù)測(cè)購(gòu)買的概率。邏輯回歸與回歸分析有很多相似之處,在開始介紹邏輯回歸之前我們先來(lái)看下回歸分析。
回歸分析用來(lái)描述自變量x和因變量Y之間的關(guān)系,或者說(shuō)自變量X對(duì)因變量Y的影響程度,并對(duì)因變量Y進(jìn)行預(yù)測(cè)。其中因變量是我們希望獲得的結(jié)果,自變量是影響結(jié)果的潛在因素,自變量可以有一個(gè),也可以有多個(gè)。一個(gè)自變量的叫做一元回歸分析,超過(guò)一個(gè)自變量的叫做多元回歸分析。下面是一組廣告費(fèi)用和曝光次數(shù)的數(shù)據(jù),費(fèi)用和曝光次數(shù)一一對(duì)應(yīng)。其中曝光次數(shù)是我們希望知道的結(jié)果,費(fèi)用是影響曝光次數(shù)的因素,我們將費(fèi)用設(shè)置為自變量X,將曝光次數(shù)設(shè)置為因變量Y,通過(guò)一元線性回歸方程和判定系數(shù)可以發(fā)現(xiàn)費(fèi)用(X)對(duì)曝光次數(shù)(Y)的影響。
以下為一元回歸線性方式,其中y是因變量,X是自變量,我們只需求出截距b0和斜率b1就可以獲得費(fèi)用和曝光次數(shù)之間的關(guān)系,并對(duì)曝光次數(shù)進(jìn)行預(yù)測(cè)。這里我們使用最小二乘法來(lái)計(jì)算截距b0和斜率b1。最小二乘法通過(guò)最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配。
下表中是使用最小二乘法計(jì)算回歸方程的一些必要的計(jì)算過(guò)程。在表中最左側(cè)的兩列分別為自變量X和因變量Y,我們首先計(jì)算出自變量和因變量的均值,然后計(jì)算每一個(gè)觀測(cè)值與均值的差,以及用于計(jì)算回歸方程斜率b1所需的數(shù)據(jù)。
根據(jù)表中的數(shù)據(jù)按公式計(jì)算出了回歸方程的斜率b1,計(jì)算過(guò)程如下。斜率表示了自變量和因變量間的關(guān)系,斜率為正表示自變量和因變量正相關(guān),斜率為負(fù)表示自變量和因變量負(fù)相關(guān),斜率為0表示自變量和因變量不相關(guān)。
求得斜率b1后,按下面的公式可以求出Y軸的截距b0。
將斜率b1和截距b0代入到回歸方程中,通過(guò)這個(gè)方程我們可以獲得自變量和因變量的關(guān)系,費(fèi)用每增加1元,曝光次數(shù)會(huì)增長(zhǎng)7437次。以下為回歸方程和圖示。
在回歸方程的圖示中,還有一個(gè)R平方,這個(gè)值叫做判定系數(shù),用來(lái)衡量回歸方程是否很好的擬合了樣本的數(shù)據(jù)。判定系數(shù)在0-1之間,值越大說(shuō)明擬合的越好,換句話說(shuō)就是自變量對(duì)因變量的解釋度越高。判定系數(shù)的計(jì)算公式為SST=SSR+SSE,其中SST是總平方和,SSR是回歸平方和,SSE是誤差平方和。下表為計(jì)算判定系數(shù)所需三個(gè)指標(biāo)的一些必要的計(jì)算過(guò)程。
根據(jù)前面求得的回歸平方和(SSR)和總平方和(SST)求得判定系數(shù)為0.94344。
以上為回歸方程的計(jì)算過(guò)程,在根據(jù)費(fèi)用預(yù)測(cè)曝光數(shù)量的場(chǎng)景下,我們可以通過(guò)回歸方程在已知費(fèi)用的情況下計(jì)算出曝光數(shù)量。邏輯回歸與回歸方程相比在線性回歸的基礎(chǔ)上增加了一個(gè)邏輯函數(shù)。例如通過(guò)用戶的屬性和特征來(lái)判斷用戶最終是否會(huì)進(jìn)行購(gòu)買。其中購(gòu)買的概率是因變量Y,用戶的屬性和特征是自變量X。Y值越大說(shuō)明用戶購(gòu)買的概率越大。這里我們使用事件發(fā)生的可能性(odds)來(lái)表示購(gòu)買與未購(gòu)買的比值。
使用E作為購(gòu)買事件,P(E)是購(gòu)買的概率,P(E’)是未購(gòu)買的概率,Odds(E)是事件E(購(gòu)買)發(fā)生的可能性。
Odds是一個(gè)從0到無(wú)窮的數(shù)字,Odds的值越大,表明事件發(fā)生的可能性越大。下面我們要將Odds轉(zhuǎn)化為0-1之間的概率函數(shù)。首先對(duì)Odds取自然對(duì)數(shù),得到logit方程,logit是一個(gè)范圍在負(fù)無(wú)窮到正無(wú)窮的值。
基于上面的logit方程,獲得以下公式:
其中使用π替換了公式中的P(E),π=P(E)。根據(jù)指數(shù)函數(shù)和對(duì)數(shù)規(guī)則獲得以下公式:
并最終獲得邏輯回歸方程:
下面根據(jù)邏輯回歸方程來(lái)計(jì)算用戶購(gòu)買的概率,下表是用戶注冊(cè)天數(shù)和是否購(gòu)買的數(shù)據(jù),其中注冊(cè)天數(shù)是自變量X,是否購(gòu)買是自變量Y。我們將購(gòu)買標(biāo)記為1,將未購(gòu)買標(biāo)記為0。接下來(lái)我們將在Excel中通過(guò)8個(gè)步驟計(jì)算出邏輯回歸方程的斜率和截距。并通過(guò)方程預(yù)測(cè)新用戶是否會(huì)購(gòu)買。
第一步,使用Excel的排序功能對(duì)原始數(shù)據(jù)按因變量Y進(jìn)行排序,將已購(gòu)買和未購(gòu)買的數(shù)據(jù)分開,使得數(shù)據(jù)特征更加明顯。
第二步,按照Logit方程預(yù)設(shè)斜率b1和截距b0的值,這里我們將兩個(gè)值都預(yù)設(shè)為0.1。后續(xù)再通過(guò)Excel求最優(yōu)解。
第三步,按照l(shuí)ogit方程,使用之前預(yù)設(shè)的斜率和截距值計(jì)算出L值。
第四步,將L值取自然對(duì)數(shù),
第五步,計(jì)算P(X)的值,P(X)為事件發(fā)生的可能性(Odds)。具體的計(jì)算步驟和過(guò)程見(jiàn)下圖。
第六步,計(jì)算每個(gè)值的對(duì)數(shù)似然函數(shù)估計(jì)值(Log-Likelihood)。方法和過(guò)程見(jiàn)下圖。
第七步,將對(duì)數(shù)似然函數(shù)值進(jìn)行匯總。
第八步,使用Excel的規(guī)劃求解功能,計(jì)算最大對(duì)數(shù)似然函數(shù)值。方法和過(guò)程見(jiàn)下圖。設(shè)置匯總的對(duì)數(shù)似然函數(shù)值LL為最大化的目標(biāo),預(yù)設(shè)的斜率b1和截距b0是可變單元格,取消”使無(wú)約束變量為非負(fù)數(shù)”的選項(xiàng)。進(jìn)行求解。
Excel將自動(dòng)求出邏輯回歸方程中斜率和截距的最優(yōu)解,結(jié)果如下圖所示。
求得邏輯回歸方程的斜率和截距以后,我們可以將值代入方程,獲得一個(gè)注冊(cè)天數(shù)與購(gòu)買概率的預(yù)測(cè)模型,通過(guò)這個(gè)模型我們可以對(duì)不同注冊(cè)天數(shù)(X)用戶的購(gòu)買概率(Y)進(jìn)行預(yù)測(cè)。以下為計(jì)算過(guò)程。
第一步,輸入自變量注冊(cè)天數(shù)(X)的值,這里我們輸入50天。
第二步,將輸入的X值,以及斜率和截距套入Logit方程,求出L值。
第三步,對(duì)L值取自然對(duì)數(shù)。
第四步,求時(shí)間發(fā)生可能性P(X)的概率值。
注冊(cè)天數(shù)為50天的用戶購(gòu)買的概率約為17.60%。
我們將所有注冊(cè)天數(shù)的值代入到購(gòu)買概率預(yù)測(cè)模型中,獲得了一條注冊(cè)天數(shù)對(duì)購(gòu)買概率影響的曲線。從曲線中可以發(fā)現(xiàn),注冊(cè)天數(shù)在較低和較高天數(shù)的用戶購(gòu)買概率較為平穩(wěn)。中間天數(shù)用戶的購(gòu)買概率變化較大。
我們繼續(xù)在上面的計(jì)算結(jié)果中增加新的自變量“年齡”。以下是原始數(shù)據(jù)的截圖?,F(xiàn)在有年齡和注冊(cè)天數(shù)兩個(gè)自變量和一個(gè)因變量。
依照前面的方法計(jì)算斜率和截距的最優(yōu)解,并獲得邏輯回歸方程,將不同的年齡和注冊(cè)天數(shù)代入到方程中,獲得了用戶年齡和注冊(cè)天數(shù)對(duì)購(gòu)買的預(yù)測(cè)模型。我們通過(guò)Excel的三維圖表來(lái)繪制年齡和注冊(cè)天數(shù)對(duì)購(gòu)買概率的影響。
從圖中可以看出,購(gòu)買概率隨著注冊(cè)天數(shù)的增加而增長(zhǎng),并且在相同的注冊(cè)天數(shù)下,年齡較小的用戶購(gòu)買概率相對(duì)較高。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03