目录
本文的主要知识点：第一部分讲对Logistics的概念理解。第二部分讲公式推导，主要从两个角度去思考，其一、从广义线性模型的角度出发推导公式，另一点从伯努利分布推导。
第一部分 对Logistics的概念理解
线性回归的非线性映射
早就听说过Logistics回归做的是分类的活，而非字面意思上的回归，那它和回归有什么关系呢？
在上一篇的线性回归模型中已经讲过一个观点，为什么线性回归是属性特征的线性组合呢？
- 其一是\(\omega\)能够直观的显示出各个属性的权重大小，
- 其二就是模型足够简单，可以在线性回归模型的基础上增加高维映射变为非线性模型。
如：
\[ y = w^Tx+b \]
若预测值非线性变换，而是指数变换，换句话说就是预测值的对数是线性变换，如下：
\[ lny = w^Tx+b \]
下图可以看作线性预测值 \(y'\) 进行非线性 \(y\) 的映射：
\[ y_i=e^{y_i'}=ln^{-1}(y_i') \]
上述映射是“广义线性模型”的特殊形式：
\[ y = g^{-1}(w^Tx+b) \]
\(g(\cdot)\)是联系函数，要求连续且充分光滑，上例是\(g(\cdot)=ln(\cdot)\)的特例。
Logistics的核心是分类，但为啥叫回归？
若是要做二分类：最简单的方式是阶跃函数
\[ y=\left\{\begin{array}{cc}{0,} & {w^Tx+b<0} \\ {0.5,} & {w^Tx+b=0} \\ {1,} & {w^Tx+b>0}\end{array}\right. \]
但是阶跃函数有个致命的缺点：不可导。尤其在深度学习中，反向传播过程中需要对函数进行反向求导。所以提出了一个替代函数对数几率（odd）函数（logistic function）：
\[ y = \frac{1}{1+e^{-z}}=\frac{1}{1+e^{-(w^Tx+b)}} \]
上述函数也称为\(sigmoid\)函数：
将\(sigmoid\)函数进行某种转换，结合第一节内容对比：
\[ \ln \frac{y}{1-y}=\boldsymbol{w}^{\mathrm{T}} \boldsymbol{x}+b \]
这个公式解释了为啥叫回归，仅是与线性回归公式很像，实际上做的是回归后的预测值分类问题
注：sklearn中调用LogisticsRegression这个函数，返回值
coef_就是这里的\(\omega\)扫描二维码关注公众号，回复： 7736507 查看本文章
第二部分 Logistics回归公式推导【核心方法：MLE】
上面介绍了Logistics回归的本质就是：线性模型+sigmoid函数（非线性映射），只是说了这样可以拟合出指数级别y的变化。而为何Logistics回归是这种组合，以及如何利用这种组合去训练二分类模型却没有说明。
- 需要推导的公式：
\[ \varPhi = \frac{1}{1+e^{-w^Tx}}\\ \]
- 需要得到的模型：
w
\[ \mathop{\arg\min}_{w} \sum_{i=1}^N[y_ilogp(y=1|x)+(1-y_i)logP(y=0|x)] \]
从这个式子可以看出，Logistics回归就是找到上式负交叉熵最大（即交叉熵最小）的w参数。
复杂版：广义线性模型
Logistics回归公式可以从两个角度导出，先从比较复杂的广义线性模型的说明。
要了解广义线性模型必须先要知道两个概念。指数族分布以及需要满足的三条假设。
知识点一：指数族分布律
需满足以下分布律才可以称为指数族：
\[ p(y;\eta) = b(y)exp({\eta^TT(y)-a(\eta)}) \]
其中\(a(\eta)\)是配分函数，使得分布律最大为1， \(\eta\)是该分布的自然参数，\(T(y)\)是充分统计量。
说明1：伯努利分布是指数族分布
伯努利分布(Bernoulli distribution)又名两点分布或0-1分布，介绍伯努利分布前首先需要引入伯努利试验（Bernoulli trial）。
- 伯努利试验是只有两种可能结果的单次随机试验，即对于一个随机变量X而言：
\[ \begin{aligned} P_r[X=1]={} &p\\ P_r[X=0]={} &1-p \end{aligned} \]
伯努利试验都可以表达为“是或否”的问题。例如，抛一次硬币是正面向上吗？刚出生的小孩是个女孩吗？等等
如果试验E是一个伯努利试验，将E独立重复地进行n次，则称这一串重复的独立试验为n重伯努利试验。
进行一次伯努利试验，成功(X=1)概率为p(0<=p<=1)，失败(X=0)概率为1-p，则称随机变量X服从伯努利分布。伯努利分布是离散型概率分布，其概率质量函数为：
\[ f\left( x \right) =p^x\left( 1-p \right) ^{1-x}=\left\{ \begin{array}{l} p\\ 1-p\\ 0\\ \end{array}\begin{array}{c} x=1\\ x=0\\ \text{其他}\\ \end{array} \right. \]
故根据上述伯努利分布的定义则有：
\[ \begin{aligned} p(y)={} & \varPhi^y(1-\varPhi )^{1-y}\\ ={} & exp(ln(\varPhi^y(1-\varPhi )^{1-y}))\\ ={} & exp(y\cdot ln(\frac{\varPhi}{1-\varPhi})+ln(1-\varPhi)) \end{aligned} \]
与指数族的定义比对：\(p(y;\eta) = b(y)exp({\eta^TT(y)-a(\eta)})\)
得伯努利确实是指数分布：
\[ \begin{aligned} b(y) ={} & 1\\ T(y) ={} & y\\ \eta ={} & ln(\frac{\varPhi}{1-\varPhi})\\ a(\eta) ={} & -ln(1-\varPhi) = ln(1+e^\eta) \end{aligned} \]
知识点二：广义线性模型需要的三条假设
- 给定x，y需服从于指数族分布（以满足）
- 给定x，训练后的模型等于充分统计量的期望：\(h(x)=E[T(y|x)]\)
- 自然参数\(\eta\) ，需和观测变量x呈线性关系：\(\eta=w^Tx\)
根据第一条，伯努利分布是成功(X=1)概率为p，失败(X=0)概率为1-p。对于本例中二分类问题的标签分别为0/1，若设置1的概率为p，0的概率为1-p，很明显看得出标签为0,1分布的二分类问题就是典型的伯努利分布。
根据第二条：
\[ \begin{aligned} h(x)={} & E[T(y|x)]\\ ={} &E[y|x]=1\times p(y=1)+0\times p(y=0)=p(y=1)=\varPhi \end{aligned} \]
又：
\[ \eta = ln(\frac{\varPhi}{1-\varPhi}) \Rightarrow \varPhi=\frac{1}{1+e^{-\eta}} \]
根据第三条：\(\eta=w^Tx\) 代入上式
综上：
\[ \varPhi = \frac{1}{1+e^{-w^Tx}} \]
y的分布律为：
一开始很不理解：\(y(y=1|x)=\sigma(w^Tx)=\frac{1}{1+e^{-w^Tx}}\) 以及\(y(y=0|x)=\sigma(w^Tx)=\frac{e^{-w^Tx}}{1+e^{-w^Tx}}\) 这两个公式，其实很好理解\(\sigma(z)\)的输出假设为0.1,...,0.6,0.9。输出的值越大，离1越近，则被分为1的概率越大。所以自然而然地将\(（y=1）\)的概率视为\(\sigma(w^Tx)\)。
周志华版:
\[ P(y|x;\beta)=y\cdot P(y=1|x;\beta)+(1-y)\cdot P(y=0|x;\beta) \]
吴恩达版：
\[ P(y|x;\beta)=[P(y=1|x;\beta)]^y+[P(y=0|x;\beta)]^{1-y} \]
可以发现上述两个式子，很好的整合了\(y=1\)和\(y=0\)两种情况
根据以上两个分布律假设，再利用极大似然概率估计【MLE】可推导出：
\[ \begin{aligned} \mathop{\arg\max}_{w}log p(y|x)={} &\mathop{\arg\max}_{w}\sum_{i=1}^{N}log p(y_i|x_i) \\ ={} &\mathop{\arg\max}_{w} \sum_{i=1}^N[y_ilogp(y=1|x)+(1-y_i)logP(y=0|x)] \end{aligned} \]
注：周志华版西瓜书中的公式推导太复杂，吴恩达版公式非常好推，也是经常见到的推导过程。
额外知识点：sigmoid函数的求导
易证：其中单引号表示对x求导
\[ \sigma(z)’=\sigma(z)(1-\sigma(z)) \]