转自别处 有很多与此类似的文章 也不知道谁是原创 因原文由少于错误 所以下文对此有修改并且做了适当的重点标记(横线见的内容没大明白 并且有些复杂，后面的运行流程依据前面的得出的算子进行分类)
初步接触
谓LR分类器(Logistic Regression Classifier)，并没有什么神秘的。在分类的情形下，经过学习之后的LR分类器其实就是一组权值w0,w1,...,wm.
当测试样本集中的测试数据来到时，这一组权值按照与测试数据线性加和的方式，求出一个z值：
z = w0+w1*x1+w2*x2+...+wm*xm。 ① （其中x1,x2,...,xm是某样本数据的各个特征，维度为m）
之后按照sigmoid函数的形式求出：
σ(z) = 1 / (1+exp(z)) 。②
由于sigmoid函数的定义域是(-INF, +INF),而值域为(0, 1)。因此最基本的LR分类器适合于对两类目标进行分类。
那么LR分类器的这一组权值w0,w1,...,wm是如何求得的呢？这就需要涉及到极大似然估计MLE和优化算法的概念了。
我们将sigmoid函数看成样本数据的概率密度函数，每一个样本点，都可以通过上述的公式①和②计算出其概率密度
详细描述
1.逻辑回归模型
1.1逻辑回归模型
考虑具有p个独立变量的向量
,设条件概率
为根据观测量相对于某事件发生的概率。逻辑回归模型可表示为
（1.1）
上式右侧形式的函数称为称为逻辑函数。下图给出其函数图象形式。
其中
。如果含有名义变量，则将其变为dummy变量。一个具有k个取值的名义变量，将变为k-1个dummy变量。这样，有
（1.2）
定义不发生事件的条件概率为
（1.3）
那么，事件发生与事件不发生的概率之比为
（1.4）
这个比值称为事件的发生比(the odds of experiencing an event),简称为odds。因为0<p<1,故odds>0。对odds取对数，即得到线性函数，
（1.5），
1.2极大似然函数
假设有n个观测样本，观测值分别为
设
为给定条件下得到yi=1（原文
）的概率。在同样条件下得到yi=0（
）的条件概率为
。于是，得到一个观测值的概率为
(1.6) -----此公式实际上是综合前两个等式得出，并无特别之处
因为各项观测独立，所以它们的联合分布可以表示为各边际分布的乘积。
上式称为n个观测的似然函数。我们的目标是能够求出使这一似然函数的值最大的参数估计。于是，最大似然估计的关键就是求出参数
，使上式取得最大值。
对上述函数求对数
（1.8）上式称为对数似然函数。为了估计能使
取得最大的参数
的值。
对此函数求导，得到p+1个似然方程。
（1.9）
，j=1,2,..,p.-----p为独立向量个数
上式称为似然方程。为了解上述非线性方程，应用牛顿－拉斐森(Newton-Raphson)方法进行迭代求解。
1.3 牛顿－拉斐森迭代法
对
求二阶偏导数，即Hessian矩阵为
（1.10）
如果写成矩阵形式，以Ｈ表示Hessian矩阵，Ｘ表示
（1.11）
令
（1.12）则
。再令
(注：前一个矩阵需转置)，即似然方程的矩阵形式。
得牛顿迭代法的形式为
（1.13）注意到上式中矩阵Ｈ为对称正定的，求解
即为求解线性方程ＨＸ＝Ｕ中的矩阵Ｘ。对Ｈ进行cholesky分解。最大似然估计的渐近方差（asymptotic variance）和协方差(covariance)可以由信息矩阵（information matrix）的逆矩阵估计出来。而信息矩阵实际上是
二阶导数的负值，表示为
。估计值的方差和协方差表示为
，也就是说，估计值
的方差为矩阵Ｉ的逆矩阵的对角线上的值，而估计值
和
的协方差(和的协方差等于
？不解。。。)为除了对角线以外的值。然而在多数情况，我们将使用估计值
的标准方差，表示为
，for j=0,1,2,…,p （1.14）
-----------------------------------------------------------------------------------------------------------------------------------------------
２.显著性检验
下面讨论在逻辑回归模型中自变量
是否与反应变量显著相关的显著性检验。零假设
：
＝0（表示自变量
对事件发生可能性无影响作用）。如果零假设被拒绝，说明事件发生可能性依赖于
的变化。
2.1 Wald test
对回归系数进行显著性检验时，通常使用Wald检验，其公式为
（2.1）其中,
为
的标准误差。这个单变量Wald统计量服从自由度等于１的
分布。 如果需要检验假设
：
＝0,计算统计量
（2.2）其中，
为去掉
所在的行和列的估计值，相应地，
为去掉
所在的行和列的标准误差。这里，Wald统计量服从自由度等于p的
分布。如果将上式写成矩阵形式，有
（2.3）矩阵Ｑ是第一列为零的一常数矩阵。例如，如果检验
，则
。
然而当回归系数的绝对值很大时，这一系数的估计标准误就会膨胀，于是会导致Wald统计值变得很小，以致第二类错误的概率增加。也就是说，在实际上会导致应该拒绝零假设时却未能拒绝。所以当发现回归系数的绝对值很大时，就不再用Wald统计值来检验零假设，而应该使用似然比检验来代替。
2.2 似然比（Likelihood ratio test）检验
在一个模型里面，含有变量
与不含变量
的对数似然值乘以-2的结果之差，服从
分布。这一检验统计量称为似然比(likelihood ratio)，用式子表示为
（2.4）
计算似然值采用公式（1.8）。
倘若需要检验假设
：
＝0,计算统计量
（2.5）式中，
表示
＝0的观测值的个数，而
表示
＝１的观测值的个数，那么n就表示所有观测值的个数了。实际上，上式的右端的右半部分
表示只含有
的似然值。统计量G服从自由度为p的
分布
2.3 Score检验
在零假设
：
＝0下，设参数的估计值为
，即对应的
＝0。计算Score统计量的公式为
（2.6）上式中，
表示在
＝0下的对数似然函数（1.9）的一价偏导数值，而
表示在
＝0下的对数似然函数（1.9）的二价偏导数值。Score统计量服从自由度等于１的
分布。
2.4 模型拟合信息
模型建立后，考虑和比较模型的拟合程度。有三个度量值可作为拟合的判断根据。
(1)-2LogLikelihood
（2.7）
(2) Akaike信息准则（Akaike Information Criterion,简写为AIC）
(2.8)
其中Ｋ为模型中自变量的数目，Ｓ为反应变量类别总数减１，对于逻辑回归有S=2-1=1。-2LogL的值域为0至
，其值越小说明拟合越好。当模型中的参数数量越大时，似然值也就越大，-2LogL就变小。因此，将２(K+S)加到AIC公式中以抵销参数数量产生的影响。在其它条件不变的情况下，较小的AIC值表示拟合模型较好。
(3)Schwarz准则
这一指标根据自变量数目和观测数量对-2LogL值进行另外一种调整。SC指标的定义为
(2.9)
其中ln(n)是观测数量的自然对数。这一指标只能用于比较对同一数据所设的不同模型。在其它条件相同时，一个模型的AIC或SC值越小说明模型拟合越好。
3.回归系数解释
3.1发生比
odds=[p/(1-p)]
，即事件发生的概率与不发生的概率之比。而发生比率(odds ration),即
(1)连续自变量。对于自变量
，每增加一个单位，odds ration为
(3.1)
(2)二分类自变量的发生比率。变量的取值只能为0或1，称为dummy variable。当
取值为1，对于取值为0的发生比率为
(3.2)
亦即对应系数的幂。
(3)分类自变量的发生比率。
如果一个分类变量包括m个类别，需要建立的dummy variable的个数为m-1,所省略的那个类别称作参照类(reference category)。设dummy variable为
，其系数为
，对于参照类，其发生比率为
。
3.2 逻辑回归系数的置信区间
对于置信度１-
，参数
的100%（１-
）的置信区间为
（3.3） 上式中，
为与正态曲线下的临界Ｚ值（critical value）,
为系数估计
的标准误差，
和
两值便分别是置信区间的下限和上限。当样本较大时，
＝0.05水平的系数
的95%置信区间为
（3.4）
-----------------------------------------------------------------------------------------------------------------------------------------------
4.变量选择
4.1前向选择（forward selection）：在截距模型的基础上，将符合所定显著水平的自变量一次一个地加入模型。
具体选择程序如下
（1） 常数（即截距）进入模型。
（2） 根据公式（2.6）计算待进入模型变量的Score检验值，并得到相应的P值。
（3） 找出最小的p值，如果此p值小于显著性水平
,则此变量进入模型。如果此变量是某个名义变量的单面化(dummy)变量，则此名义变量的其它单面化变理同时也进入模型。不然，表明没有变量可被选入模型。选择过程终止。
（4） 回到(2)继续下一次选择。
4.2 后向选择（backward selection）：在模型包括所有候选变量的基础上，将不符合保留要求显著水平的自变量一次一个地删除。
具体选择程序如下
(1) 所有变量进入模型。
(2) 根据公式（2.1）计算所有变量的Wald检验值，并得到相应的p值。
(3) 找出其中最大的p值，如果此P值大于显著性水平
，则此变量被剔除。对于某个名义变量的单面化变量，其最小p值大于显著性水平
，则此名义变量的其它单面化变量也被删除。不然，表明没有变量可被剔除，选择过程终止。
(4) 回到(2)进行下一轮剔除。
4.3逐步回归(stepwise selection)
(1)基本思想：逐个引入自变量。每次引入对Ｙ影响最显著的自变量，并对方程中的老变量逐个进行检验，把变为不显著的变量逐个从方程中剔除掉，最终得到的方程中既不漏掉对Ｙ影响显著的变量，又不包含对Ｙ影响不显著的变量。
(2)筛选的步骤：首先给出引入变量的显著性水平
和剔除变量的显著性水平
，然后按下图筛选变量。
(3)逐步筛选法的基本步骤
逐步筛选变量的过程主要包括两个基本步骤：一是从不在方程中的变量考虑引入新变量的步骤；二是从回归方程中考虑剔除不显著变量的步骤。
假设有p个需要考虑引入回归方程的自变量.
① 设仅有截距项的最大似然估计值为
。对p个自变量每个分别计算Score检验值，
设有最小p值的变量为
，且有
，对于单面化(dummy)变量，也如此。若
，则此变量进入模型，不然停止。如果此变量是名义变量单面化(dummy)的变量，则此名义变量的其它单面化变量也进入模型。其中
为引入变量的显著性水平。② 为了确定当变量
在模型中时其它p-1个变量也是否重要，将
分别与
进行拟合。对p-1个变量分别计算Score检验值，其p值设为
。设有最小p值的变量为
，且有
.若
，则进入下一步，不然停止。对于单面化变量，其方式如同上步。③ 此步开始于模型中已含有变量
与
。注意到有可能在变量
被引入后，变量
不再重要。本步包括向后删除。根据(2.1)计算变量
与
的Wald检验值，和相应的p值。设
为具有最大p值的变量，即
=max(
),
.如果此p值大于
，则此变量从模型中被删除，不然停止。对于名义变量，如果某个单面化变量的最小p值大于
，则此名义变量从模型中被删除。
④ 如此进行下去，每当向前选择一个变量进入后，都进行向后删除的检查。循环终止的条件是：所有的p个变量都进入模型中或者模型中的变量的p值小于
，不包含在模型中的变量的p值大于
。或者某个变量进入模型后，在下一步又被删除，形成循环。
