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。