机器学习算法之——LR（未完成）

LR的形式

sklearn中的LR模块sklearn.linear_model.LogisticRegression

LR的目标函数

主要的考虑点有三个：处理什么类型的问题？是否正则以及什么正则？求解方法？

从这三个方面可以组合出多种具体使用方式，如下图：

参考资料：

sklearn官网中的内容Logistic Regression

sklearn官网中关于sklearn.linear_model.LogisticRegression的具体操作

注意：

1.在对多分类问题，根据不同的solver，可能采用了ovr或者multinomial两种不同的策略的，这块也要注意一下。

2.what is liblinear?

台湾大学林智仁老师团队开发的工具包Liblinear。能够以很高的效率处理大规模线性分类问题。

libsvm和liblinearn的关系

LIBSVM往往在样本量过万之后速度就比较慢了，如果样本量再上升一个数量级，那么通常的机器已经无法处理了。但使用LIBLINEAR，则完全不需要有这方面的担忧，即便百万千万级别的数据，LIBLINEAR也可以轻松搞定，因为LIBLINEAR本身就是为了解决较大规模样本的模型训练而设计的。

其它的一些说明：

1.LR是否必须要做变量转换（归一化、标准化化处理）？

理论上不用，因为LR不是基于距离的算法，也没有其他的因为两个不一致会产生的其它理论上的问题。

但实际中经常是要做的，因为在迭代求解时会快很多。

2.LR中的变量重要性如何确定？

对特征进行归一化处理，然后建模，之后看变量系数，系数越大重要性越高。（并不看统计学中经常看的显著性）？待确定20191108

3.LR是否必须要做正则？

在machine learn中一般都是要做的，但在统计学中很少会提到正则。使用正则可以提高数值计算的稳定性。

如果做了正则，则变量基本都需要标准化或者归一化处理的，不然不同维度的系数都用一个C进行惩罚，这是不对的，

而又因为上面说的正则基本上都是要做的，所以归一化和标准化也是都要做的。

https://stackoverflow.com/questions/32724678/logistic-regression-with-sklearn

当数据量比较大的时候，我们可以不太考虑正则，而仅拟合数据就可以

https://stats.stackexchange.com/questions/228763/regularization-methods-for-logistic-regression

4.惩罚因子C可以通过grid search来确定，sklearn中默认为1.

5.回归的七种形式

6.metrics:R_square part（外网vpn）