作者 | WEIWEI   整理 | NewBeeNLP

「面试官们都怎么问」系列文章主旨是尽可能完整全面地整理ML/DL/NLP相关知识点，不管是刚入门的新手、准备面试的同学或是温故知新的前辈，我们希望都能通过这一系列的文章收获到或多或少的帮助

这会持续更新，希望你能喜欢 目前已整理的有：

• 关于SVM，面试官们都怎么问

• 关于ELMo，面试官们都怎么问

• 关于Transformer，面试官们都怎么问

• 关于BERT，面试官们都怎么问

一. 一句话概括逻辑回归

逻辑回归假设数据服从伯努利分布，通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的。

这句话包含了五点，接下来一一介绍：

• 逻辑回归的假设

• 逻辑回归的损失函数

• 逻辑回归的求解方法

• 逻辑回归的目的

• 逻辑回归如何分类

二. 逻辑回归的假设

任何的模型都是有自己的假设，在这个假设下模型才是适用的。

Hypothesis #1

逻辑回归的第一个基本假设是假设数据服从伯努利分布。

伯努利分布：是一个离散型概率分布，若成功，则随机变量取值1；若失败，随机变量取值为0。成功概率记为p，失败为q = 1-p。

在逻辑回归中，既然假设了数据分布服从伯努利分布，那就存在一个成功和失败，对应二分类问题就是正类和负类，那么就应该有一个样本为正类的概率，和样本为负类的概率。具体我们写成这样的形式：

Hypothesis #2

逻辑回归的第二个假设是正类的概率由sigmoid的函数计算，即：

预测样本为正类的概率：

预测样本为负类的概率：

写在一起，即预测样本的类别：

个人理解，解释一下这个公式，并不是用了样本的标签，而是说你想要得到哪个的概率，时意思就是你想得到正类的概率，时就意思是你想要得到负类的概率。另外在求参数时，这个是有用的，这点在下面会说到。

另外关于这个值， 是个概率，还没有到它真正能成为预测标签的地步，更具体的过程应该是分别求出正类的概率即时，和负类的概率时，比较哪个大，因为两个加起来是1，所以我们通常默认的是只用求正类概率，只要大于0.5即可归为正类，但这个0.5是人为规定的，如果愿意的话，可以规定为大于0.6才是正类，这样的话就算求出来正类概率是0.55，那也不能预测为正类，应该预测为负类。

三. 逻辑回归的损失函数

都说逻辑回归的损失函数是它的极大似然函数，但是为啥呢？

先一句话概括一下极大似然估计，顺便就复习了，以防面试官问起来：

极大似然估计：利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值（模型已定，参数未知）

再联系到逻辑回归里，一步步来分解上面这句话，首先确定一下模型是否已定，模型就是用来预测的那个公式：

参数就是里面的 ，那什么是样本结果信息，就是我们的，，是我们的样本，分别为特征和标签，我们的已知信息就是在特征取这些值的情况下，它应该属于y类（正或负）。

反推最具有可能（最大概率）导致这些样本结果出现的参数，举个例子，我们已经知道了一个样本点，是正类，那么我们把它丢入这个模型后，它预测的结果一定得是正类啊，正类才是正确的，才是我们所期望的，我们要尽可能的让它最大，这样才符合我们的真实标签。反过来一样的，如果你丢的是负类，那这个式子计算的就是负类的概率，同样我们要让它最大，所以此时不用区分正负类。

这样串下来，一切都说通了，概括一下：

一个样本，不分正负类，丢入模型，多的不说，就是一个字，让它大

一直只提了一个样本，但对于整个训练集，我们当然是期望所有样本的概率都达到最大，也就是我们的目标函数，本身是个联合概率，但是假设每个样本独立，那所有样本的概率就可以写成：

个人理解，此时，只能叫它目标函数，因为它是我们的目标，那损失函数是啥呢？一般别的算法里，损失函数都是真实值和预测值的误差确定的，所以很好理解。

查了半天资料，好像没有个官方的概念是介绍log损失函数的，那我只能个人理解继续上了，逻辑回归没有损失函数，这个log损失函数是强行叫它的。那为啥叫它log损失函数呢？

我们的目标是最大化上面那个目标函数，那我们就要向目标方向前进，要最大，那就求导啊，要求导，那就化简啊，不然太复杂了，那怎么化简呢？

• 第一步，取对数，去掉连乘，变为连加，直接给出化简后的结果：

• 第二步，为了迎合一般要最小化损失函数，所以加个负号：

• 化简之后（步骤就不详细放了），就可以称为损失函数了：

四. 逻辑回归的求解方法

一般都是用梯度下降法来求解，梯度下降又有随机梯度下降，批梯度下降，small batch 梯度下降三种方式：

• 简单来说 批梯度下降会获得全局最优解，缺点是在更新每个参数的时候需要遍历所有的数据，计算量会很大，并且会有很多的冗余计算，导致的结果是当数据量大的时候，每个参数的更新都会很慢。

• 随机梯度下降是以高方差频繁更新，优点是使得sgd会跳到新的和潜在更好的局部最优解，缺点是使得收敛到局部最优解的过程更加的复杂。

• 小批量梯度下降结合了sgd和batch gd的优点，每次更新的时候使用n个样本。减少了参数更新的次数，可以达到更加稳定收敛结果，一般在深度学习当中我们采用这种方法。

加分项，看你了不了解诸如Adam，动量法等优化方法（在这就不展开了，以后有时间的话专门写一篇关于优化方法的）。因为上述方法其实还有两个致命的问题：

• 第一个是如何对模型选择合适的学习率。自始至终保持同样的学习率其实不太合适。因为一开始参数刚刚开始学习的时候，此时的参数和最优解隔的比较远，需要保持一个较大的学习率尽快逼近最优解。但是学习到后面的时候，参数和最优解已经隔的比较近了，你还保持最初的学习率，容易越过最优点，在最优点附近来回振荡，通俗一点说，就很容易学过头了，跑偏了。

• 第二个是如何对参数选择合适的学习率。在实践中，对每个参数都保持的同样的学习率也是很不合理的。有些参数更新频繁，那么学习率可以适当小一点。有些参数更新缓慢，那么学习率就应该大一点。

五. 逻辑回归的目的

将数据二分类

六. 逻辑回归的如何分类

这个在上面的时候提到了，要设定一个阈值，判断正类概率是否大于该阈值，一般阈值是0.5，所以只用判断正类概率是否大于0.5即可。

七. 逻辑回归为什么用极大似然函数作为损失函数

一般和平方损失函数（最小二乘法）拿来比较，因为线性回归用的就是平方损失函数，原因就是平方损失函数加上sigmoid的函数将会是一个非凸的函数，不易求解，会得到局部解，用对数似然函数得到高阶连续可导凸函数，可以得到最优解。

其次，是因为对数损失函数更新起来很快，因为只和x，y有关，和sigmoid本身的梯度无关。

八. 逻辑回归在训练的过程当中，如果有很多的特征高度相关或者说有一个特征重复了100遍，会造成怎样的影响

先说结论，如果在损失函数最终收敛的情况下，其实就算有很多特征高度相关也不会影响分类器的效果。

但是对特征本身来说的话，假设只有一个特征，在不考虑采样的情况下，你现在将它重复100遍。训练以后完以后，数据还是这么多，但是这个特征本身重复了100遍，实质上将原来的特征分成了100份，每一个特征都是原来特征权重值的百分之一。

如果在随机采样的情况下，其实训练收敛完以后，还是可以认为这100个特征和原来那一个特征扮演的效果一样，只是可能中间很多特征的值正负相消了。

九. 为什么我们还是会在训练的过程当中将高度相关的特征去掉

去掉高度相关的特征会让模型的可解释性更好

可以大大提高训练的速度。如果模型当中有很多特征高度相关的话，就算损失函数本身收敛了，但实际上参数是没有收敛的，这样会拉低训练的速度。其次是特征多了，本身就会增大训练的时间。

十. 逻辑回归的优缺点总结

优点：

• 形式简单，模型的可解释性非常好。从特征的权重可以看到不同的特征对最后结果的影响，某个特征的权重值比较高，那么这个特征最后对结果的影响会比较大。

• 模型效果不错。在工程上是可以接受的（作为baseline)，如果特征工程做的好，效果不会太差，并且特征工程可以大家并行开发，大大加快开发的速度。

• 训练速度较快。分类的时候，计算量仅仅只和特征的数目相关。并且逻辑回归的分布式优化sgd发展比较成熟，训练的速度可以通过堆机器进一步提高，这样我们可以在短时间内迭代好几个版本的模型。

• 资源占用小,尤其是内存。因为只需要存储各个维度的特征值。

• 方便输出结果调整。逻辑回归可以很方便的得到最后的分类结果，因为输出的是每个样本的概率分数，我们可以很容易的对这些概率分数进行cut off，也就是划分阈值(大于某个阈值的是一类，小于某个阈值的是一类)。

缺点：

• 准确率并不是很高。因为形式非常的简单(非常类似线性模型)，很难去拟合数据的真实分布。

• 很难处理数据不平衡的问题。举个例子：如果我们对于一个正负样本非常不平衡的问题比如正负样本比 10000:1.我们把所有样本都预测为正也能使损失函数的值比较小。但是作为一个分类器，它对正负样本的区分能力不会很好。

• 处理非线性数据较麻烦。逻辑回归在不引入其他方法的情况下，只能处理线性可分的数据，或者进一步说，处理二分类的问题 。

• 逻辑回归本身无法筛选特征。有时候，我们会用gbdt来筛选特征，然后再上逻辑回归。

- END -

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（pdf更新到25集）本站qq群1003271085，加入微信群请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”喜欢文章，点个在看