1. 基础概念
定义：
逻辑回归（Logistic Regression）是一种用于解决二分类问题的监督学习算法，通过概率预测样本属于某一类别的可能性。
-
核心特点：输出是概率值（0~1），通过阈值（如0.5）转换为类别标签。
-
注意：名字虽含“回归”，但实际是分类算法！
数学形式：
-
使用 Sigmoid函数 将线性回归结果映射到概率：
P(y=1) = 1 / (1 + e^(-z))，其中z = w₁x₁ + w₂x₂ + ... + b -
Sigmoid函数：将任意实数压缩到(0,1)，如图： https://www.saedsayad.com/images/Logistic_curves.png
2. 核心原理
损失函数：交叉熵损失（Log Loss）
衡量预测概率与真实标签的差异： Loss = - [y_true * log(y_pred) + (1 - y_true) * log(1 - y_pred)] 目标是最小化总损失。
优化方法：
-
梯度下降（与线性回归类似，但需计算对数概率的梯度）。
-
牛顿法、拟牛顿法（如L-BFGS）。
评估指标：
-
准确率（Accuracy）：正确分类的比例。
-
精确率（Precision）：预测为正的样本中真实正类的比例。
-
召回率（Recall）：真实正类中被正确预测的比例。
-
ROC-AUC：综合衡量分类性能的曲线下面积。
3. 实际生产中的例子
案例1：广告点击率预测（CTR预估）
-
场景：互联网广告平台预测用户是否会点击广告。
-
输入特征：用户历史行为、广告内容、上下文信息（如时间、设备）。
-
输出：点击概率（0~1）。
-
应用：根据概率对广告排序，优先展示高点击率广告。
案例2：金融风控（贷款违约预测）
-
场景：银行判断客户是否有违约风险。
-
输入特征：收入、信用评分、负债比、历史还款记录。
-
输出：违约概率。
-
应用：若概率>阈值（如0.7），则拒绝贷款申请。
案例3：医疗诊断（疾病预测）
-
场景：根据患者检查结果预测是否患病。
-
输入特征：年龄、血压、血糖、胆固醇指标。
-
输出：患病概率。
-
应用：辅助医生快速筛查高风险患者。
案例4：垃圾邮件分类
-
场景：自动过滤垃圾邮件。
-
输入特征：邮件文本的词频、发件人信誉、链接数量。
-
输出：垃圾邮件概率。
-
应用：若概率>0.5，标记为垃圾邮件。
4. 生产中的改进方法
处理类别不平衡
-
加权损失函数：对少数类样本赋予更高权重。
-
过采样（如SMOTE）：生成少数类样本。
-
阈值调整：根据业务需求调整分类阈值（如医疗场景需高召回率）。
正则化（防止过拟合）
-
L1正则化（Lasso）：稀疏化权重，自动特征选择。
-
L2正则化（Ridge）：限制权重幅度，提升泛化能力。
特征工程
-
分箱（Binning）：将连续特征（如年龄）分段为类别。
-
交叉特征：组合多个特征（如“收入*负债比”）。
-
文本特征：TF-IDF或词嵌入（Embedding）。
5. 与线性回归的区别
| 维度 | 线性回归 | 逻辑回归 |
| 任务类型 | 回归（预测连续值） | 分类（预测概率/类别） |
| 输出范围 | 任意实数 | 0~1之间的概率 |
| 损失函数 | 均方误差（MSE） | 交叉熵损失（Log Loss） |
| 激活函数 | 无 | Sigmoid函数 |
6. 优缺点
优点
-
✅ 输出为概率，适合需要概率解释的场景（如风控）。
-
✅ 可解释性强，权重反映特征对结果的影响方向（正/负）。
-
✅ 计算高效，适合大规模数据（如互联网广告的实时预测）。
缺点
-
❌ 假设特征与对数几率（Log Odds）呈线性关系，难以捕捉复杂非线性关系。
-
❌ 对特征相关性和异常值敏感。
-
❌ 默认只能处理二分类，多分类需扩展（如One-vs-Rest）。
7. 代码工具示例（Python）
8. 适用场景总结
-
推荐使用逻辑回归：
-
二分类问题且需要概率输出（如金融风控）。
-
特征与目标的对数几率呈近似线性关系。
-
需要快速部署和模型解释性（如医疗诊断报告）。
-
-
避免使用：
-
特征与目标存在复杂非线性关系（需用树模型或神经网络）。
-
数据维度极高且特征稀疏（如文本分类更适合用朴素贝叶斯或深度学习）。
-
一句话总结
逻辑回归是“用S形曲线做分类”的经典算法，凭借概率输出和可解释性，在金融、医疗、广告等领域广泛应用。
