逻辑回归的原理是什么？为什么叫「回归」却用来分类？

简化版

逻辑回归（Logistic Regression） 是分类模型（尽管名字带「回归」）。它先算一个线性组合 z = w·x + b，再用 sigmoid 函数把 z 压到 (0,1) 当作正类概率 p = σ(z)，超过阈值（默认 0.5）判为正类。之所以叫「回归」，是因为它回归的是「对数几率（log-odds）」——log(p/(1-p)) = w·x + b 是线性的，它本质是对数几率对特征做线性回归，只是最后套了 sigmoid 变成概率。训练用最大似然 / 交叉熵损失，不用 MSE。它简单、可解释、输出概率、工业界（风控、CTR）极常用。

详细版

三步走：

① 线性打分:   z = wᵀx + b
② sigmoid 转概率: p = σ(z) = 1 / (1 + e^(-z))   ∈ (0,1)
③ 阈值决策:   p ≥ 0.5 → 正类；否则负类

为什么叫「回归」——对数几率线性：

log( p / (1-p) ) = wᵀx + b
     ↑ 对数几率(log-odds / logit)对特征是线性的

所以逻辑回归 = 用线性回归拟合「对数几率」，再映射成概率。

损失函数（交叉熵 / 对数损失）：

L = -(1/m) Σ [ yᵢ log(pᵢ) + (1-yᵢ) log(1-pᵢ) ]

由最大似然估计推出（伯努利分布），是凸函数、可梯度下降。不用 MSE（用 MSE 会非凸、梯度消失，详见专门问题）。

特点： 输出概率、可解释（系数=对数几率的变化）、线性决策边界、训练快、易加正则。

完整版教学

一、先解决名字困惑：分类模型为什么叫「回归」

这是最经典的追问。逻辑回归做的是分类，但名字里有「回归」，原因在于它回归的对象不是类别，而是「对数几率」。

推导一下就懂了。我们想要一个概率 p ∈ (0,1)，但线性函数 wᵀx+b 的输出是整个实数轴 (-∞,+∞)，范围对不上。怎么把 (0,1) 的概率和 (-∞,+∞) 的线性值连起来？

先把概率转成几率（odds）：p/(1-p)，范围 (0, +∞)。
再取对数变成对数几率（log-odds / logit）：log(p/(1-p))，范围就变成了 (-∞, +∞)。

现在范围对上了，于是让对数几率等于线性组合：

log( p/(1-p) ) = wᵀx + b

看——这就是对「对数几率」做线性回归！所以叫逻辑「回归」。反解出 p，就得到 sigmoid：

p = 1 / (1 + e^(-(wᵀx+b))) = σ(wᵀx + b)

结论：逻辑回归 = 线性回归拟合对数几率 + sigmoid 映射成概率。名字来自「回归对数几率」，用途是分类。

二、sigmoid 函数：把实数压成概率

σ(z) = 1 / (1 + e^(-z))

性质：

值域 (0,1)：天然当概率用。
单调递增、S 形：z→+∞ 趋近 1，z→-∞ 趋近 0，z=0 时为 0.5。
以 0.5 为中心对称，σ(0)=0.5 正好对应决策边界。
导数优美：σ'(z) = σ(z)(1-σ(z))，让梯度推导很简洁。

于是决策规则：p = σ(z) ≥ 0.5 ⟺ z = wᵀx+b ≥ 0 判为正类。决策边界 wᵀx+b=0 是线性的（一条直线/超平面）——所以逻辑回归是线性分类器。

三、为什么用交叉熵损失而不是 MSE

逻辑回归用交叉熵（对数损失）：

L = -(1/m) Σ [ y·log(p) + (1-y)·log(1-p) ]

它由最大似然估计推出：把每个样本看作伯努利试验，正类概率 p、负类 1-p，样本似然是 p^y (1-p)^(1-y)，取对数、取负、求和平均，就得到上式。最大化似然 = 最小化交叉熵。

为什么不用回归里的 MSE？两个原因（详见「逻辑回归为什么不用 MSE」专题）：

MSE + sigmoid 是非凸的，梯度下降可能陷入局部最优；交叉熵 + sigmoid 是凸的，保证全局最优。
MSE 会梯度消失：sigmoid 饱和区导数趋 0，MSE 的梯度里带这个因子，预测错得离谱时梯度反而极小、学不动；交叉熵的梯度恰好把 sigmoid 导数约掉，梯度 ∝ (p - y)，错得越多梯度越大，学得越快。

四、参数怎么解释——系数的含义

逻辑回归的强项是可解释。由 log(odds) = wᵀx+b：

特征 xⱼ 增加 1 个单位，对数几率增加 wⱼ，即几率（odds）乘以 e^(wⱼ)。
wⱼ > 0：该特征增大 → 正类概率上升；wⱼ < 0：反之；|wⱼ| 越大影响越强。
e^(wⱼ) 就是几率比（odds ratio），在医学、风控里直接拿来解读「某因素让风险变为几倍」。

这种清晰的可解释性，是逻辑回归在金融风控、医疗、CTR等强监管/需解释场景长盛不衰的关键。

五、训练与正则化

优化：交叉熵对 w 是凸函数，用梯度下降 / 牛顿法（如 IRLS） 求解，梯度形式简洁 ∂L/∂w = (1/m)Σ(pᵢ-yᵢ)xᵢ。
正则化：可加 L1（产生稀疏、做特征选择）或 L2（防过拟合、缓解共线性），是工业标配。
要特征缩放：用梯度下降优化 + 带正则时，需缩放让收敛快、正则公平。

六、多分类怎么办

原生逻辑回归是二分类，扩展到多分类两种方式：

Softmax 回归（多项逻辑回归）：用 softmax 直接输出 K 个类别的概率，是逻辑回归的自然推广。
OvR（One-vs-Rest）：训练 K 个二分类器，每个区分「某类 vs 其余」，取得分最高的。

（详见「逻辑回归如何做多分类」专题。）

七、优缺点与适用

优点：简单、训练快、输出概率（可排序、可卡阈值）、强可解释、易加正则、易上线、可增量训练——工业界二分类的默认 baseline（风控评分卡、CTR 预估）。

缺点：线性决策边界，表达力有限，复杂非线性关系需靠特征工程（分箱、交叉）或换模型；对特征工程依赖较重。

“输出概率”也不能直接等同于“概率一定校准”。正则强度、采样方式和分布漂移都会让预测概率偏离真实发生率，应在独立验证集检查可靠性曲线、Brier score 或 ECE；若业务依赖绝对概率，再考虑 Platt scaling 或 isotonic regression。

它适合大规模稀疏特征、需要排序与解释的二分类基线。若交互和非线性是主要信号，应先做有业务含义的特征交叉，或与树模型等非线性模型比较，而不是只凭训练速度决定。

八、用算例与工程边界复核

当 z=wᵀx+b 从 -2、0、2 变化时，sigmoid 概率约为 0.119、0.5、0.881。若某特征系数为 0.7，在其他变量不变时该特征增加 1 单位，odds 乘以 e^0.7≈2.01，不是“概率直接增加 70%”。

对象/方案	核心机制	选择或风险
线性预测子	z=wᵀx+b	决定 log-odds
Sigmoid	p=1/(1+e^-z)	映射到 0 与 1 之间
训练目标	伯努利负对数似然	凸问题但需迭代

把推导和选择压缩成执行路径：

features x
 -> log-odds z
 -> sigmoid probability p
 -> threshold chosen by business cost

系数解释在 odds 尺度上；概率改变量依赖当前基准概率，因此不能把系数直接读成概率百分点。

九、常见误区与追问

误区：逻辑回归只能输出 0 或 1。 模型先输出概率或分数，类别由后续阈值决策产生。
误区：阈值必须固定为 0.5。 阈值应结合误报漏报成本、类别分布与验证集选择。
追问：为什么叫回归？ 它对类别概率的对数几率建立线性回归关系。
追问：完全分离会发生什么？ 无正则 MLE 的系数可能趋向无穷，数值上不收敛；正则化可缓解。
追问：输出概率一定校准好吗？ 不一定，正则、采样和分布漂移都会影响校准，应检查可靠性曲线等指标。

十、加强记忆

记忆时抓住这条主线：逻辑回归是分类模型，名字里的「回归」指它回归的是「对数几率」：log(p/(1-p)) = wᵀx+b 对特征线性，反解出 p = σ(wᵀx+b)（sigmoid 把实数压进 (0,1) 当概率），以 0.5 为阈值、决策边界线性。训练用交叉熵/对数损失（由最大似然推出），不用 MSE——因为 MSE+sigmoid 非凸且梯度消失，交叉熵凸且梯度 ∝ (p−y) 错得多学得快。系数可解释为对数几率的变化 / 几率比 e^w。优点是简单、出概率、可解释、工业常用（风控/CTR），缺点是只有线性边界，非线性靠特征工程或换模型；多分类用 Softmax 或 OvR。

简化版

详细版