
作者 | DD-Kylin
來源 | 木東居士
0x00 前言
我們知道,回歸模型可以解決因變量為連續(xù)變量的問題,但是,如果因變量為分類變量的話,用回歸的方法就行不通了。這個時候我們就得選擇用其他的分類方法了,如決策樹、隨機森林、SVM等。而本篇文章要說的邏輯回歸也是一種很好的分類方法。我們需要明確的一點是,邏輯回歸雖然是“回歸”,但是它本質上是一種二分類算法,用來處理二分類問題的。
0x01 走近邏輯回歸
問題1:你能說說什么是邏輯回歸嗎?
回答:邏輯回歸是一種二分類算法,一般用來解決二分類問題,但是它也可以用來解決多分類問題,當使用它來解決多分類問題的時候,由于邏輯回歸的特點,我們一般將多分類問題轉化為二分類問題。這里多分類問題的轉化有三種拆分策略,分別是一對一、一對其余和多對多。通過多分類拆分策略,我們可以使用邏輯回歸來進行多分類問題的預測。但是這種方法我們一般不用,因為多分類問題我們可以使用隨機森林、樸素貝葉斯、神經網絡這些更好的算法進行預測。
問題2:邏輯回歸是二分類算法,那它究竟是如何進行分類的?
回答:邏輯回歸是通過判斷數(shù)據(jù)屬于某一類的概率值大小來決定要將該數(shù)據(jù)判為哪一類。這里需要引入sigmoid函數(shù)(Y = 1/(1+e-z) , 其中z = wTx+b
),而sigmoid函數(shù)有一個很特殊的性質,那就是它可以將任意的輸入值都轉為(0,1)上的輸出。邏輯回歸通過sigmoid函數(shù)來逼近后驗概率p(y =1 |x),一般地,會將sigmoid函數(shù)輸出值大于0.5的判為正例(即1),將輸出值小于0.5的判為反例(即0)。
sigmoid函數(shù)的圖像如下:
0x02 再會邏輯回歸
問題1:邏輯回歸進行分類時的閾值是一定的嗎?可不可以人為地進行調整呢?
回答:不一定。可以通過人為地進行修改的。邏輯回歸輸出的是概率,即將Sigmoid函數(shù)輸出的y視為正例的可能性,我們可以自定義分類閾值來改變分類的結果。
舉個栗子,在郵件分類中,如果sigmoid函數(shù)輸出某個郵件屬于垃圾郵件的y值是0.6,屬于有用郵件的y值是0.4。即P (y = 垃圾郵件|已知條件) = 0.6,
相對應的 p(y = 有用郵件|已知條件) = 0.4。
在本例中,如果是將p>0.5視為垃圾郵件,那么判這封郵件為垃圾郵件;如果是將p>0.7視為垃圾郵件,那么會判這封郵件為有用郵件。一般情況下默認數(shù)據(jù)屬于哪一類的可能性較大就將數(shù)據(jù)判為哪一類,但是由于邏輯回歸輸出的是概率值的這一特性,所以我們可以根據(jù)具體的情況自定義閾值來得到更切合實際應用場景的模型。
問題2:邏輯回歸中的極大似然法是用來做什么的?
回答:因為sigmoid函數(shù)中,z = wTx+b,其中 w和b都是未知的,使用極大似然估計法是為了求出w和b使得每個樣本屬于其真實標記的概率值越大越好。 但是最大化似然函數(shù)的求解有點困難,所以將其轉為求解最小值,即在求得的目標似然函數(shù)前面加上一個負號轉為求解最小值。由于改變符號后的目標函數(shù)是高階可導連續(xù)凸函數(shù),于是可以使用梯度下降法、牛頓法等來求解它的最小值,通過函數(shù)的轉化就可以較為輕松地求出w和b,進而也就能知道sigmoid函數(shù)的輸出了。
注:邏輯回歸是一種判別模型
問題3:邏輯回歸有哪些應用?
回答:邏輯回歸的應用其實跟它的算法特點有很大的關系。由于邏輯回歸是一種性能很好的二分類算法。所以邏輯回歸幾乎可以應用于任何需要二分類的問題。如癌癥檢測、垃圾郵件分類、廣告點擊預測、醫(yī)療效果分析等。
0x03 優(yōu)點VS缺點
問題:邏輯回歸的優(yōu)點是什么?缺點又是什么?
回答:
邏輯回歸的優(yōu)點分別是:
邏輯回歸的缺點分別是:
0x04 總結
關于邏輯回歸,我一直覺得它是一個很簡單但是很強大的算法,直到在寫這篇文章的時候,才發(fā)現(xiàn)原來它有那么多知識點需要理解。本文也只是起到一個拋磚引玉的作用,如果大家想了解更多的話,建議各位可以去看一下書,練一下真實的案例,肯定可以收獲更多的理解!下面留幾個討論題:
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(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的實用指南? 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! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時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 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
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)分析師認證作為國內權威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據(jù)中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(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下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,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 字符串截取轉日期:解鎖數(shù)據(jù)處理的關鍵技能? 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)分析準確性的基礎 ...
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)決策的核心驅動力,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)成為核心生產要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03