逐步回归是逻辑回归吗 逐步逻辑回归模型

什么是逻辑回归？

逻辑回归虽然名字中带有回归，但是并不是一个回归模型，而是一个分类模型。逻辑回归的目的就是解决分类问题，最常用的就是解决二分类问题。

逻辑回归和线性回归的关系

逻辑回归（Logistic Regression）与线性回归（Linear Regression）都是一种广义线性模型（generalized linear model）。逻辑回归假设因变量 y 服从伯努利分布，而线性回归假设因变量 y 服从高斯分布。 因此与线性回归有很多相同之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。可以说，逻辑回归是以线性回归为理论支持的，但是逻辑回归通过Sigmoid函数引入了非线性因素，因此可以轻松处理0/1分类问题。
这广义线性模型家族中的模型形式基本上都差不多，不同的就是因变量不同。

• 如果是连续的，就是多重线性回归；
• 如果是二项分布，就是逻辑回归；
• 如果是Poisson分布，就是Poisson回归；
• 如果是负二项分布，就是负二项回归；

逻辑回归问题解决的常规步骤

1.寻找一个合适的预测函数,一般是h函数(即hypothesis函数)。这个函数就是我们要找分类函数，用来预测输入数据的判断结果。这个过程很重要，需要对数据有一定的了解和分析，知道或猜测函数大概的形式，比如说是线性函数还是非线性函数。
2.构造一个Cost函数(即损失函数)，该函数用来表示预测函数（h）与训练数据类别（y）之间的偏差，可以将二者之间的差（h-y）或者差平方$（h-y）^2$或者其他的形式。综合考虑所有的训练数据的“损失”，将Cost求和或者求平均，记为$J(\theta)$函数，表示所有的训练数据预测值与实际类别的偏差。
3.想办法使得$J(\theta)$最小并且求得最佳参数。$J(\theta)$函数的值越小，表示预测函数越准确（即h函数越准确），所以要找到$J（\theta）$函数的最小值。找函数的最小值有不同的方法，这里使用的是梯度下降法（Gradient Descent）。

具体过程

1.寻找h函数

逻辑回归是一个分类方法，用于解决分类问题，常用于解决二分类问题，即输出类别有两种。在这里，我们要选用Sigmoid函数即:$g(z)=\frac{1}{1+e^{-z}}$简单解释下逻辑回归模型为什么要用Sigmoid函数。
从指数族分布讲起，指数族分布 (The exponential family distribution),区别于指数分布（exponential distribution)。在概率统计中，若某概率分布满足下式，我们就称之属于指数族分布。
$p(y;η)=b(y)exp(η^{T}T(y)−a(η))$
其中η是natural parameter, T(y)是充分统计量, exp−a(η))是起到归一化作用。 确定了T,a,b,我们就可以确定某个参数为η的指数族分布.
统计中很多熟悉的概率分布都是指数族分布的特定形式，如伯努利分布，高斯分布，多项分布（multionmal), 泊松分布等。下面介绍其中的伯努利分布。
伯努利分布
$p(y;ϕ)=ϕ^y(1−ϕ)^{1−y}$
$=exp[ylogϕ+(1−y)log(1−ϕ)]$
$=exp[ylog\frac{ϕ}{1−ϕ}+log(1−ϕ)]$

把伯努利分布可以写成指数族分布的形式，且
$T(y)=y$
$η=log\frac{ϕ}{1−ϕ}$
$a(η)=−log(1−ϕ)=log(1+e^η)$
$b(y)=1$

同时我们可以看到$ϕ=\frac{1}{1+e{−η}}$ 就是logistic sigmoid的形式。

具体的解释，可以看这篇文章 logistics 为什么用sigmoid函数.

接下来需要确定数据划分的边界，对于图1和图2的两种数据分布，显然图1需要一个线性的边界，而图2需要一个非线性的边界。所以接下来我们只讨论线性边界。

图1

图2

对于线性边界的情况，边界形式如下：$\theta_0+\theta_1x_1+....+\theta_nx_n =\sum_{i=0}^n\theta_ix_i =\theta ^Tx$构造预测函数为：$h_\theta(x)=g(\theta^Tx)=\frac {1}{1+e^{-\theta ^Tx}}$
$h_\theta(x)$函数的值有特殊的含义，它表示结果取1的概率，因此对于输入x的分类结果为类别1和类别0的概率分别为：
$P(y=1|x;\theta)=h_\theta(x)$
$P(y=0|x;\theta)=1-h_\theta(x)$

2.构造Cost函数

我们知道损失函数分为0-1损失，平方损失，绝对损失和对数似然损失（对数损失）。
在这里我们采用对数似然损失。当然，损失函数都是人为选择的，选择什么损失函数都行。但是如果这里用最小二乘法作为损失函数的话，函数曲线是非凸的，不利于求解参数。而对数似然函数作为损失函数的话，曲线是凸的，方便求解。
根据对数似然损失函数，有：
$Cost(h_\theta(x),y) = \begin {cases} -log(h_\theta(x)) & {if y=1} \\ -log(1-h_\theta(x)) &{if y=0} \end {cases}$
根据伯努利分布，有$p(y|x;\theta)=h_\theta(x)^y(1-h_\theta(x))^{1-y}$
取似然函数：
$L(\theta)=\prod_{i=1}^m p(y^i|x^i;\theta)=\prod_{i=1}^mh_\theta(x^i)^{y^i}(1-h_\theta(x^i))^{1-y^i}$
对数似然函数：
$l(\theta)=logL(\theta)=\sum_{i=1}^m[y^ilog(h_\theta(x^i))+(1-y^i)log(1-h_\theta(x^i))]$
最大似然估计就是要求$l(\theta)取最大值时的\theta$,故将$J(\theta)=-\frac{1}{m}l(\theta)$,即
$J(\theta)=-\frac{1}{m}\sum_{i=1}^m[y^ilog(h_\theta(x^i))+(1-y^i)log(1-h_\theta(x^i))]$
所以$J(\theta)取最小值时的\theta为要求的最佳参数$

3.梯度下降法求$J(\theta)$的最小值

求参优化也有不同的方法如梯度下降法，拟牛顿法等方法可以使用，在这里我们用梯度下降法。

梯度下降公式如下：

$\theta_j:=\theta_j-\alpha\frac{\delta}{\delta\theta_j}J\theta,(j=0,1,2,....,n)$式子中$\alpha为学习步长$，下面来求偏导：

上面求解过程中用到的公式有：

因此，梯度下降公式可以更新为：

【参考文献】

1. [Stanford机器学习公开课]（https://www.coursera.org/course/ml)
2.