1. 简述 Logistic Regression
Logistic regression 用来解决二分类问题，
它假设数据服从伯努利分布，即输出为 正 负 两种情况，概率分别为 p 和 1-p，
目标函数 hθ(x;θ) 是对 p 的模拟，p 是个概率，这里用了 p＝sigmoid 函数，
所以 目标函数 为：
为什么用 sigmoid 函数？请看：Logistic regression 为什么用 sigmoid ？
损失函数是由极大似然得到，
记：
则可统一写成：
写出似然函数：
取对数：
求解参数可以用梯度上升：
先求偏导：
再梯度更新：
常用的是梯度下降最小化负的似然函数。
2. 先来看常用的几种损失函数：
| 损失函数 | 举例 | 定义 | |
|---|---|---|---|
| 0-1损失 | 用于分类，例如感知机 | 预测值和目标值不相等为1，否则为0 | |
| 绝对值损失 | |||
| 平方损失 | Linear Regression | 使得所有点到回归直线的距离和最小 | |
| 对数损失 | Logistic Regression | 常用于模型输出为每一类概率的分类器 | |
| Hinge损失 | SVM | 用于最大间隔分类 | |
| 指数损失 | AdaBoost |
几种损失函数的曲线：
黑色：Gold Stantard
绿色：Hinge Loss中，当 yf(x)>1 时，其损失=0，当 yf(x)<1时，其损失呈线性增长（正好符合svm的需求）
红色 Log、蓝色 Exponential： 在 Hinge的左侧都是凸函数，并且Gold Stantard损失为它们的下界
要求最大似然时(即概率最大化)，使用Log Loss最合适，一般会加上负号，变为求最小
损失函数的凸性及有界很重要，有时需要使用代理函数来满足这两个条件。
3. LR 损失函数为什么用极大似然函数？
因为我们想要让 每一个 样本的预测都要得到最大的概率，
即将所有的样本预测后的概率进行相乘都最大，也就是极大似然函数.对极大似然函数取对数以后相当于对数损失函数，
由上面 梯度更新 的公式可以看出，
对数损失函数的训练求解参数的速度是比较快的，
而且更新速度只和x，y有关，比较的稳定，为什么不用平方损失函数
如果使用平方损失函数，梯度更新的速度会和 sigmod 函数的梯度相关，sigmod 函数在定义域内的梯度都不大于0.25，导致训练速度会非常慢。
而且平方损失会导致损失函数是 theta 的非凸函数，不利于求解，因为非凸函数存在很多局部最优解。
什么是极大似然？请看简述极大似然估计