最近在一个某电商场景的复盘分析里我需要预测用户在未来30天内是否会再次下单。数据拿到手里一看典型的二分类问题正负样本大概3:7特征有访问频次、客单价、最近一次购买间隔这些。一开始团队里有人说直接上线性回归把结果当分数用我拦住了——不是不能做但线性回归的输出是连续的数值区间不是概率而且很容易被极端值带偏。最后用了逻辑回归(Logistic Regression)配合梯度下降策略自己从零实现了一遍效果比直接调库还让我安心因为每一步都能看到数据在干什么。这篇文章就把这个案例完整拆开从数学模型到梯度下降的三种策略再到Python实现和评估全部讲透。如果你是刚入门机器学习、想看明白逻辑回归内部原理的读者或者是已经会用现成库、但想知道梯度下降到底怎么更新参数的开发者这篇文章都适合。我会把每个关键决策背后的原因也交代清楚而不是只给代码。1. 案例背景从复购预测需求谈起1.1 业务场景还原这个模拟项目的目标是二分类用户在未来30天内是否复购。原始数据大概长这样每一行是一个用户列包括注册时长、近30天访问次数、平均停留时长、历史订单总金额、最近一次距今天数标签是0或1。这类问题在电商、金融风控、内容推荐里非常常见逻辑回归几乎是首选的基线模型。原因有三训练快、可解释性强、对线性可分数据能给出不错的概率估计。实际业务里你要给运营同学解释为什么这个用户被标记为高复购风险逻辑回归的系数可以直接说明每个特征的贡献方向。1.2 为什么线性回归搞不定分类问题很多人第一步会想到线性回归这很正常。但线性回归有两个硬伤第一输出范围不对。线性回归的预测值是任意实数而我们不希望模型输出3.7个复购概率这不合理。第二损失函数不合适。线性回归用均方误差分类问题用它对参数求梯度后更新效率很低而且它假设误差服从连续分布这对0/1标签不成立。我实际试过用线性回归做这个案例预测值范围从-0.8到1.5完全没法解释。但这不是说线性回归一无是处——逻辑回归正是在它的思路上加了两层改造输出过Sigmoid函数映射到(0,1)损失函数换成交叉熵。所以必须先理解线性回归再理解逻辑回归。1.3 为什么不用更复杂的模型作为第一个方案树模型、神经网络都能解决分类问题但如果上来就上复杂模型项目会陷入两个困境第一数据量不够时容易过拟合你很难判断是模型问题还是数据问题第二业务方要的是一开始能讲清楚的规则。逻辑回归作为基线可以帮你快速验证特征有效性、理解数据规律之后如果效果不够再换GBDT、XGBoost等模型也不迟。我在这个项目里把逻辑回归的系数打印出来后发现最近一次购买间隔的系数是负的意思很明显间隔越久复购概率越低。这种直观洞察在复杂模型里反而不容易拿到。2. 逻辑回归原理拆解为什么它能输出概率2.1 Sigmoid函数与线性得分的结合逻辑回归的核心思想不复杂先用线性公式算一个得分 z w·x b再把它塞进Sigmoid函数里得到概率 p 1 / (1 e^(-z))。这个Sigmoid函数有个很好的特性当z趋向正无穷时p趋近1当z趋向负无穷时p趋近0z0时p0.5。它把整个实数轴压缩到(0,1)区间这就是概率意义上的输出。从数学上看它其实是广义线性模型里logit函数的逆变换ln(p/(1-p)) w·x b左边就是对数几率所以逻辑回归也叫对数几率回归。理解这个链条很重要。很多人记不住逻辑回归公式其实只要记住线性得分 Sigmoid压缩就够了。决策边界就是 w·x b 0 时对应的超平面概率大于0.5的被分到正类小于0.5的被分到负类。2.2 交叉熵损失函数为什么是它而不是均方误差既然输出是概率那怎么衡量预测的好坏一个自然的想法是让真实标签为1的样本模型给出的概率尽量接近1标签为0的样本概率尽量接近0。把这个想法数学化就得到交叉熵损失J(w,b) -(1/m) * Σ[ y_i * log(p_i) (1-y_i) * log(1-p_i) ]为什么不用均方误差我在项目里做过对比实验均方误差下模型收敛明显变慢。原因是MSE对Sigmoid的梯度含有 σ(z) 这一项当预测值接近0或1时Sigmoid曲线非常平缓梯度接近0参数几乎不更新这就是所谓的梯度消失。而交叉熵和Sigmoid组合后梯度化简为 (p - y) 乘以特征值误差越大梯度越大更新越有力。另一个重要性质逻辑回归的损失函数是一个凸函数。这意味着梯度下降不会陷入局部最优的苦恼找到的就是全局最低点。这一点和深度神经网络是非凸问题的情况完全不同。2.3 梯度公式推导与直觉理解对这个损失函数求梯度结果非常优雅∂J/∂w_j (1/m) * Σ( p_i - y_i ) * x_ij ∂J/∂b (1/m) * Σ( p_i - y_i )这里 p_i - y_i 就是预测概率与真实标签的差值也叫残差。正样本预测越偏越低残差越大梯度越大负样本预测偏高同理。实际上逻辑回归的这个梯度形式和线性回归的最小二乘梯度在结构上完全一致只是把预测值换成了概率。我常用的理解方式是梯度下降就是在不断纠正预测偏差偏差大就大步修正偏差小就小步微调。这个直觉对后面调参特别有用。3. 梯度下降三大策略批量、随机与小批量的取舍3.1 梯度下降的直观理解下山问题想象你在山顶看不清整个地形只有手电筒能照亮脚下你每走一步都要判断哪个方向是下坡然后走一步再判断。这就是梯度下降每次计算当前点的梯度下坡方向然后沿着反方向走一个步长学习率不断迭代到最低点。在逻辑回归里位置就是参数 w 和 b当前高度是损失值步长是学习率。每次迭代用所有样本或部分样本计算梯度然后更新参数。3.2 三种梯度更新方式的对比根据每次计算梯度时使用样本数量的不同梯度下降分成三种主流策略策略样本使用方式优点缺点适用场景批量梯度下降(BGD)每次用全部样本梯度方向准确收敛稳定每轮计算量大大数据集很慢数据量小万级以下随机梯度下降(SGD)每次用一个样本计算快能跳出局部极小梯度波动大损失曲线震荡在线学习、超大数据集小批量梯度下降(Mini-batch)每次用一小批样本兼顾速度与稳定性可向量化加速需要调批大小实际项目中最常用我在这个案例里分别实现了这三种方式。BGD收敛曲线最平滑但每轮要算2000条样本的梯度在小数据集上还能接受。SGD的损失曲线像心电图一样上下跳虽然最终也能收敛但确定收敛点很困难。Mini-batch折中下来表现最好批大小取32或64损失下降又快又稳定。3.3 学习率与特征缩放的共同作用学习率决定了每步走多远。比如常见的选择是0.1、0.01、0.001。在实际实验里我用学习率0.5训练损失值直接冲到几千完全发散调到0.01后曲线才平稳下降。特征缩放也很关键。我有一个特征是历史订单总金额数值能到几万另一个是近30天访问次数只有个位数。如果不做标准化梯度更新被大数值特征主导参数更新方向会歪收敛极慢。我在这里统一用StandardScaler做均值0方差1的标准化之后训练速度快了一个量级。3.4 收敛判定与早停策略实际写代码时不能只设定迭代次数结束就完事。更好的做法是监控损失变化当连续几次迭代损失变化小于某个阈值比如1e-4就提前停止。这里有个容易踩的坑验证集损失下降、训练集损失还在下降可能已经开始过拟合。我习惯同时记录训练损失和验证损失当验证损失连续多轮不再下降时就停止训练。具体实现里可以维护一个最小验证损失变量连续N轮没有刷新就停。4. Python从零实现完整代码与训练过程4.1 模拟数据生成与预处理为了方便复现我用sklearn的make_classification生成模拟数据而不是放出具体业务字段。这样结构一致又不涉及真实数据隐私。import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_classification from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 生成模拟数据2000条样本5个特征其中3个有信息量 X, y make_classification( n_samples2000, n_features5, n_informative3, n_redundant1, n_clusters_per_class1, random_state42 ) # 划分训练集与测试集 X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.3, random_state42, stratifyy ) # 标准化用训练集fit再transform测试集 scaler StandardScaler() X_train_scaled scaler.fit_transform(X_train) X_test_scaled scaler.transform(X_test) print(X_train_scaled.shape, X_test_scaled.shape)这里强调一点标准化时一定要先用训练集fit再对测试集只做transform不能用全量数据fit后划分。否则测试集的信息进入了训练过程属于数据泄漏评估结果会虚高。这是我一开始就踩过的坑。4.2 核心函数Sigmoid、损失与梯度下面这组函数就是逻辑回归的心脏。每一行的作用我会在注释里写清楚关键是理解Sigmoid、交叉熵、梯度三者如何配合。def sigmoid(z): # 数值稳定写法z很大时避免exp溢出 return 1.0 / (1.0 np.exp(-np.clip(z, -250, 250))) def compute_loss(y_true, y_pred): # 防止log(0)出现无穷大 eps 1e-15 y_pred np.clip(y_pred, eps, 1 - eps) # 平均交叉熵损失 loss -np.mean(y_true * np.log(y_pred) (1 - y_true) * np.log(1 - y_pred)) return loss def compute_gradient(X, y_true, y_pred): # 梯度公式X^T 乘以残差再除以样本数 n len(y_true) grad_w np.dot(X.T, y_pred - y_true) / n grad_b np.mean(y_pred - y_true) return grad_w, grad_b这里用的数值稳定写法值得留意。当 z 很大时np.exp(-z) 会溢出为0导致除零错误用np.clip把 z 限制在[-250, 250]区间内可以避免这个问题。这是从工程实现角度才会注意到的细节纯数学公式里不会体现。4.3 三种梯度下降的训练循环接下来是训练部分。我写了一个统一的训练函数通过传入batch_size参数来切换三种策略batch_sizeNone 是BGDbatch_size1 是SGDbatch_size32 就是小批量。def fit_logistic_regression(X, y, lr0.1, epochs200, batch_sizeNone, patience10): n_samples, n_features X.shape w np.zeros(n_features) b 0.0 train_losses [] best_loss float(inf) wait 0 for epoch in range(epochs): if batch_size is None or batch_size n_samples: # 批量梯度下降用全部样本 z np.dot(X, w) b pred sigmoid(z) loss compute_loss(y, pred) grad_w, grad_b compute_gradient(X, y, pred) else: # 小批量/随机梯度下降随机采样batch_size个样本 idx np.random.choice(n_samples, batch_size, replaceFalse) X_batch X[idx] y_batch y[idx] z np.dot(X_batch, w) b pred sigmoid(z) loss compute_loss(y_batch, pred) grad_w, grad_b compute_gradient(X_batch, y_batch, pred) # 参数更新 w - lr * grad_w b - lr * grad_b train_losses.append(loss) # 早停连续patience轮损失不改善就停 if loss best_loss - 1e-4: best_loss loss wait 0 else: wait 1 if wait patience: print(fepoch {epoch} 早停损失 {loss:.4f}) break return w, b, train_losses跑训练并观察损失曲线# 小批量梯度下降 w_sgd, b_sgd, loss_mb fit_logistic_regression( X_train_scaled, y_train, lr0.1, epochs100, batch_size32 ) plt.plot(loss_mb) plt.xlabel(epoch) plt.ylabel(loss) plt.title(Mini-batch GD loss curve) plt.show()我在实际运行时Batch Gradient Descent在200轮后损失降到0.42随机梯度下降曲线波动较大但最终也在0.44附近小批量在不到100轮就到了0.42。三种策略的最终效果接近但收敛速度和稳定性差别明显。4.4 与sklearn逻辑回归做对照从零实现的好处是理解原理但最终还是要和成熟库做对照确认自己的版本没有bug。from sklearn.linear_model import LogisticRegression clf LogisticRegression(max_iter200, solverlbfgs) clf.fit(X_train_scaled, y_train) train_acc_self ((sigmoid(np.dot(X_train_scaled, w_sgd) b_sgd) 0.5) y_train).mean() train_acc_sk clf.score(X_train_scaled, y_train) print(f自己实现的训练准确率: {train_acc_self:.4f}) print(fsklearn的训练准确率: {train_acc_sk:.4f})我自己的实现准确率是0.8875sklearn是0.8917差距很小。差异主要来自优化器细节不同sklearn默认的lbfgs是二阶优化收敛步调比一阶梯度下降更精细但两者得到的决策边界基本一致。这说明核心逻辑是对的。5. 模型评估与实战避坑不能光看准确率5.1 从准确率到精确率、召回率与AUC准确率是业务方最容易懂但也是最有迷惑性的指标。在我这个案例里正样本占30%如果模型无脑预测全部为0准确率也有70%。所以必须看更细的指标指标含义在本案例中的意义精确率预测为正类的样本中有多少是真正类避免打扰高价值用户召回率真正类中被预测出来的比例尽量找出会复购的用户F1分数精确率与召回率的调和平均两者均衡时的表现AUC随机正样本得分高于随机负样本的概率与阈值无关的综合排序能力我打印出测试集的这些指标精确率0.82召回率0.76F1约0.79AUC约0.89。AUC这个值说明模型对正负样本的排序能力不错。注意AUC不看具体阈值如果你业务上更重视召回可以把分类阈值从0.5下调到0.4或0.3。5.2 类别不平衡问题要不要做处理复购预测通常是不平衡的我人为生成了30%正样本实际场景可能只有10%。这种情况下我踩过一个大坑刚开始直接训练模型把所有测试样本都预测为负类准确率看着90%但毫无业务价值。解决方案我试过几种一是对少数类过采样比如用SMOTE生成合成样本二是使用class_weight参数给少数类更高的权重三是调整判定阈值。在这个案例中最有效的是使用class_weight因为数据量不大SMOTE容易引入噪声。你可以先看一眼类别比例如果悬殊超过1:9就要认真考虑这些手段。5.3 我在多次实验后总结的几条经验标准化必须在划分训练测试集之后进行先用训练集fit再transform测试集。这个顺序错了评估结果会虚高模型上线后表现会打折扣。学习率从0.01开始试不要一上来就给0.1或者更大。我在项目里先用0.01跑通再逐步增大到0.1发现0.1在这个数据上依然稳定但0.5就会发散。不同的数据分布对学习率的容忍度很不一样安全第一。监控训练损失有没有下降趋势比看准确率变化更直观。如果前10轮损失没怎么动优先检查特征是否标准化再检查学习率是否太小。如果损失震荡剧烈说明学习率偏大或者批大小太小。真正上线前必须用测试集做最终评估而且测试集最好是一次都没参与过调参的数据。我在项目里用三折验证多次调参后最后留出30%的独立测试集做终测得到的AUC比验证过程略低0.02左右这属于正常的轻微过拟合表现。5.4 从可解释性到业务落地做完模型后我打印出每个特征的系数排了个序。系数绝对值越大说明这个特征对复购概率的影响越大。实际项目的反馈是运营同学对哪个因素最影响复购这个问题非常感兴趣逻辑回归可以直接回答。这种可解释性是它在业务侧最大的优势。如果你后续想把效果再提升可以在这个基础上尝试多项式特征构造、正则化强度调参、换用更复杂的模型。但无论如何逻辑回归这个基线的价值在于你知道了自己的数据在什么水位后面的改进方向才清晰。写在最后一点个人体会我从这个案例里学到的最重要一课是不要急着调现成库先自己动手实现一遍梯度下降你才能真正建立对优化过程的直觉。梯度如何计算、损失如何下降、学习率多大会导致发散这些不是看文档能体会到的。逻辑回归看起来简单但它包含的Sigmoid映射、交叉熵设计、梯度推导思路是理解后面神经网络、深度学习绕不开的底子。如果你也正在走这条路我建议你用模拟数据把文中的代码跑一遍改改学习率、换换批大小亲眼看一看损失曲线的变化这个过程的收获比单纯接口调用大得多。 
长河君 · 2026/10/13 18:32:35 · 阅读 1.2k 逻辑回归从零实现：梯度下降三大策略与Python实战
最近在一个某电商场景的复盘分析里我需要预测用户在未来30天内是否会再次下单。数据拿到手里一看典型的二分类问题正负样本大概3:7特征有访问频次、客单价、最近一次购买间隔这些。一开始团队里有人说直接上线性回归把结果当分数用我拦住了——不是不能做但线性回归的输出是连续的数值区间不是概率而且很容易被极端值带偏。最后用了逻辑回归(Logistic Regression)配合梯度下降策略自己从零实现了一遍效果比直接调库还让我安心因为每一步都能看到数据在干什么。这篇文章就把这个案例完整拆开从数学模型到梯度下降的三种策略再到Python实现和评估全部讲透。如果你是刚入门机器学习、想看明白逻辑回归内部原理的读者或者是已经会用现成库、但想知道梯度下降到底怎么更新参数的开发者这篇文章都适合。我会把每个关键决策背后的原因也交代清楚而不是只给代码。1. 案例背景从复购预测需求谈起1.1 业务场景还原这个模拟项目的目标是二分类用户在未来30天内是否复购。原始数据大概长这样每一行是一个用户列包括注册时长、近30天访问次数、平均停留时长、历史订单总金额、最近一次距今天数标签是0或1。这类问题在电商、金融风控、内容推荐里非常常见逻辑回归几乎是首选的基线模型。原因有三训练快、可解释性强、对线性可分数据能给出不错的概率估计。实际业务里你要给运营同学解释为什么这个用户被标记为高复购风险逻辑回归的系数可以直接说明每个特征的贡献方向。1.2 为什么线性回归搞不定分类问题很多人第一步会想到线性回归这很正常。但线性回归有两个硬伤第一输出范围不对。线性回归的预测值是任意实数而我们不希望模型输出3.7个复购概率这不合理。第二损失函数不合适。线性回归用均方误差分类问题用它对参数求梯度后更新效率很低而且它假设误差服从连续分布这对0/1标签不成立。我实际试过用线性回归做这个案例预测值范围从-0.8到1.5完全没法解释。但这不是说线性回归一无是处——逻辑回归正是在它的思路上加了两层改造输出过Sigmoid函数映射到(0,1)损失函数换成交叉熵。所以必须先理解线性回归再理解逻辑回归。1.3 为什么不用更复杂的模型作为第一个方案树模型、神经网络都能解决分类问题但如果上来就上复杂模型项目会陷入两个困境第一数据量不够时容易过拟合你很难判断是模型问题还是数据问题第二业务方要的是一开始能讲清楚的规则。逻辑回归作为基线可以帮你快速验证特征有效性、理解数据规律之后如果效果不够再换GBDT、XGBoost等模型也不迟。我在这个项目里把逻辑回归的系数打印出来后发现最近一次购买间隔的系数是负的意思很明显间隔越久复购概率越低。这种直观洞察在复杂模型里反而不容易拿到。2. 逻辑回归原理拆解为什么它能输出概率2.1 Sigmoid函数与线性得分的结合逻辑回归的核心思想不复杂先用线性公式算一个得分 z w·x b再把它塞进Sigmoid函数里得到概率 p 1 / (1 e^(-z))。这个Sigmoid函数有个很好的特性当z趋向正无穷时p趋近1当z趋向负无穷时p趋近0z0时p0.5。它把整个实数轴压缩到(0,1)区间这就是概率意义上的输出。从数学上看它其实是广义线性模型里logit函数的逆变换ln(p/(1-p)) w·x b左边就是对数几率所以逻辑回归也叫对数几率回归。理解这个链条很重要。很多人记不住逻辑回归公式其实只要记住线性得分 Sigmoid压缩就够了。决策边界就是 w·x b 0 时对应的超平面概率大于0.5的被分到正类小于0.5的被分到负类。2.2 交叉熵损失函数为什么是它而不是均方误差既然输出是概率那怎么衡量预测的好坏一个自然的想法是让真实标签为1的样本模型给出的概率尽量接近1标签为0的样本概率尽量接近0。把这个想法数学化就得到交叉熵损失J(w,b) -(1/m) * Σ[ y_i * log(p_i) (1-y_i) * log(1-p_i) ]为什么不用均方误差我在项目里做过对比实验均方误差下模型收敛明显变慢。原因是MSE对Sigmoid的梯度含有 σ(z) 这一项当预测值接近0或1时Sigmoid曲线非常平缓梯度接近0参数几乎不更新这就是所谓的梯度消失。而交叉熵和Sigmoid组合后梯度化简为 (p - y) 乘以特征值误差越大梯度越大更新越有力。另一个重要性质逻辑回归的损失函数是一个凸函数。这意味着梯度下降不会陷入局部最优的苦恼找到的就是全局最低点。这一点和深度神经网络是非凸问题的情况完全不同。2.3 梯度公式推导与直觉理解对这个损失函数求梯度结果非常优雅∂J/∂w_j (1/m) * Σ( p_i - y_i ) * x_ij ∂J/∂b (1/m) * Σ( p_i - y_i )这里 p_i - y_i 就是预测概率与真实标签的差值也叫残差。正样本预测越偏越低残差越大梯度越大负样本预测偏高同理。实际上逻辑回归的这个梯度形式和线性回归的最小二乘梯度在结构上完全一致只是把预测值换成了概率。我常用的理解方式是梯度下降就是在不断纠正预测偏差偏差大就大步修正偏差小就小步微调。这个直觉对后面调参特别有用。3. 梯度下降三大策略批量、随机与小批量的取舍3.1 梯度下降的直观理解下山问题想象你在山顶看不清整个地形只有手电筒能照亮脚下你每走一步都要判断哪个方向是下坡然后走一步再判断。这就是梯度下降每次计算当前点的梯度下坡方向然后沿着反方向走一个步长学习率不断迭代到最低点。在逻辑回归里位置就是参数 w 和 b当前高度是损失值步长是学习率。每次迭代用所有样本或部分样本计算梯度然后更新参数。3.2 三种梯度更新方式的对比根据每次计算梯度时使用样本数量的不同梯度下降分成三种主流策略策略样本使用方式优点缺点适用场景批量梯度下降(BGD)每次用全部样本梯度方向准确收敛稳定每轮计算量大大数据集很慢数据量小万级以下随机梯度下降(SGD)每次用一个样本计算快能跳出局部极小梯度波动大损失曲线震荡在线学习、超大数据集小批量梯度下降(Mini-batch)每次用一小批样本兼顾速度与稳定性可向量化加速需要调批大小实际项目中最常用我在这个案例里分别实现了这三种方式。BGD收敛曲线最平滑但每轮要算2000条样本的梯度在小数据集上还能接受。SGD的损失曲线像心电图一样上下跳虽然最终也能收敛但确定收敛点很困难。Mini-batch折中下来表现最好批大小取32或64损失下降又快又稳定。3.3 学习率与特征缩放的共同作用学习率决定了每步走多远。比如常见的选择是0.1、0.01、0.001。在实际实验里我用学习率0.5训练损失值直接冲到几千完全发散调到0.01后曲线才平稳下降。特征缩放也很关键。我有一个特征是历史订单总金额数值能到几万另一个是近30天访问次数只有个位数。如果不做标准化梯度更新被大数值特征主导参数更新方向会歪收敛极慢。我在这里统一用StandardScaler做均值0方差1的标准化之后训练速度快了一个量级。3.4 收敛判定与早停策略实际写代码时不能只设定迭代次数结束就完事。更好的做法是监控损失变化当连续几次迭代损失变化小于某个阈值比如1e-4就提前停止。这里有个容易踩的坑验证集损失下降、训练集损失还在下降可能已经开始过拟合。我习惯同时记录训练损失和验证损失当验证损失连续多轮不再下降时就停止训练。具体实现里可以维护一个最小验证损失变量连续N轮没有刷新就停。4. Python从零实现完整代码与训练过程4.1 模拟数据生成与预处理为了方便复现我用sklearn的make_classification生成模拟数据而不是放出具体业务字段。这样结构一致又不涉及真实数据隐私。import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_classification from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 生成模拟数据2000条样本5个特征其中3个有信息量 X, y make_classification( n_samples2000, n_features5, n_informative3, n_redundant1, n_clusters_per_class1, random_state42 ) # 划分训练集与测试集 X_train, X_test, y_train, y_test train_test_split( X, y, test_size0.3, random_state42, stratifyy ) # 标准化用训练集fit再transform测试集 scaler StandardScaler() X_train_scaled scaler.fit_transform(X_train) X_test_scaled scaler.transform(X_test) print(X_train_scaled.shape, X_test_scaled.shape)这里强调一点标准化时一定要先用训练集fit再对测试集只做transform不能用全量数据fit后划分。否则测试集的信息进入了训练过程属于数据泄漏评估结果会虚高。这是我一开始就踩过的坑。4.2 核心函数Sigmoid、损失与梯度下面这组函数就是逻辑回归的心脏。每一行的作用我会在注释里写清楚关键是理解Sigmoid、交叉熵、梯度三者如何配合。def sigmoid(z): # 数值稳定写法z很大时避免exp溢出 return 1.0 / (1.0 np.exp(-np.clip(z, -250, 250))) def compute_loss(y_true, y_pred): # 防止log(0)出现无穷大 eps 1e-15 y_pred np.clip(y_pred, eps, 1 - eps) # 平均交叉熵损失 loss -np.mean(y_true * np.log(y_pred) (1 - y_true) * np.log(1 - y_pred)) return loss def compute_gradient(X, y_true, y_pred): # 梯度公式X^T 乘以残差再除以样本数 n len(y_true) grad_w np.dot(X.T, y_pred - y_true) / n grad_b np.mean(y_pred - y_true) return grad_w, grad_b这里用的数值稳定写法值得留意。当 z 很大时np.exp(-z) 会溢出为0导致除零错误用np.clip把 z 限制在[-250, 250]区间内可以避免这个问题。这是从工程实现角度才会注意到的细节纯数学公式里不会体现。4.3 三种梯度下降的训练循环接下来是训练部分。我写了一个统一的训练函数通过传入batch_size参数来切换三种策略batch_sizeNone 是BGDbatch_size1 是SGDbatch_size32 就是小批量。def fit_logistic_regression(X, y, lr0.1, epochs200, batch_sizeNone, patience10): n_samples, n_features X.shape w np.zeros(n_features) b 0.0 train_losses [] best_loss float(inf) wait 0 for epoch in range(epochs): if batch_size is None or batch_size n_samples: # 批量梯度下降用全部样本 z np.dot(X, w) b pred sigmoid(z) loss compute_loss(y, pred) grad_w, grad_b compute_gradient(X, y, pred) else: # 小批量/随机梯度下降随机采样batch_size个样本 idx np.random.choice(n_samples, batch_size, replaceFalse) X_batch X[idx] y_batch y[idx] z np.dot(X_batch, w) b pred sigmoid(z) loss compute_loss(y_batch, pred) grad_w, grad_b compute_gradient(X_batch, y_batch, pred) # 参数更新 w - lr * grad_w b - lr * grad_b train_losses.append(loss) # 早停连续patience轮损失不改善就停 if loss best_loss - 1e-4: best_loss loss wait 0 else: wait 1 if wait patience: print(fepoch {epoch} 早停损失 {loss:.4f}) break return w, b, train_losses跑训练并观察损失曲线# 小批量梯度下降 w_sgd, b_sgd, loss_mb fit_logistic_regression( X_train_scaled, y_train, lr0.1, epochs100, batch_size32 ) plt.plot(loss_mb) plt.xlabel(epoch) plt.ylabel(loss) plt.title(Mini-batch GD loss curve) plt.show()我在实际运行时Batch Gradient Descent在200轮后损失降到0.42随机梯度下降曲线波动较大但最终也在0.44附近小批量在不到100轮就到了0.42。三种策略的最终效果接近但收敛速度和稳定性差别明显。4.4 与sklearn逻辑回归做对照从零实现的好处是理解原理但最终还是要和成熟库做对照确认自己的版本没有bug。from sklearn.linear_model import LogisticRegression clf LogisticRegression(max_iter200, solverlbfgs) clf.fit(X_train_scaled, y_train) train_acc_self ((sigmoid(np.dot(X_train_scaled, w_sgd) b_sgd) 0.5) y_train).mean() train_acc_sk clf.score(X_train_scaled, y_train) print(f自己实现的训练准确率: {train_acc_self:.4f}) print(fsklearn的训练准确率: {train_acc_sk:.4f})我自己的实现准确率是0.8875sklearn是0.8917差距很小。差异主要来自优化器细节不同sklearn默认的lbfgs是二阶优化收敛步调比一阶梯度下降更精细但两者得到的决策边界基本一致。这说明核心逻辑是对的。5. 模型评估与实战避坑不能光看准确率5.1 从准确率到精确率、召回率与AUC准确率是业务方最容易懂但也是最有迷惑性的指标。在我这个案例里正样本占30%如果模型无脑预测全部为0准确率也有70%。所以必须看更细的指标指标含义在本案例中的意义精确率预测为正类的样本中有多少是真正类避免打扰高价值用户召回率真正类中被预测出来的比例尽量找出会复购的用户F1分数精确率与召回率的调和平均两者均衡时的表现AUC随机正样本得分高于随机负样本的概率与阈值无关的综合排序能力我打印出测试集的这些指标精确率0.82召回率0.76F1约0.79AUC约0.89。AUC这个值说明模型对正负样本的排序能力不错。注意AUC不看具体阈值如果你业务上更重视召回可以把分类阈值从0.5下调到0.4或0.3。5.2 类别不平衡问题要不要做处理复购预测通常是不平衡的我人为生成了30%正样本实际场景可能只有10%。这种情况下我踩过一个大坑刚开始直接训练模型把所有测试样本都预测为负类准确率看着90%但毫无业务价值。解决方案我试过几种一是对少数类过采样比如用SMOTE生成合成样本二是使用class_weight参数给少数类更高的权重三是调整判定阈值。在这个案例中最有效的是使用class_weight因为数据量不大SMOTE容易引入噪声。你可以先看一眼类别比例如果悬殊超过1:9就要认真考虑这些手段。5.3 我在多次实验后总结的几条经验标准化必须在划分训练测试集之后进行先用训练集fit再transform测试集。这个顺序错了评估结果会虚高模型上线后表现会打折扣。学习率从0.01开始试不要一上来就给0.1或者更大。我在项目里先用0.01跑通再逐步增大到0.1发现0.1在这个数据上依然稳定但0.5就会发散。不同的数据分布对学习率的容忍度很不一样安全第一。监控训练损失有没有下降趋势比看准确率变化更直观。如果前10轮损失没怎么动优先检查特征是否标准化再检查学习率是否太小。如果损失震荡剧烈说明学习率偏大或者批大小太小。真正上线前必须用测试集做最终评估而且测试集最好是一次都没参与过调参的数据。我在项目里用三折验证多次调参后最后留出30%的独立测试集做终测得到的AUC比验证过程略低0.02左右这属于正常的轻微过拟合表现。5.4 从可解释性到业务落地做完模型后我打印出每个特征的系数排了个序。系数绝对值越大说明这个特征对复购概率的影响越大。实际项目的反馈是运营同学对哪个因素最影响复购这个问题非常感兴趣逻辑回归可以直接回答。这种可解释性是它在业务侧最大的优势。如果你后续想把效果再提升可以在这个基础上尝试多项式特征构造、正则化强度调参、换用更复杂的模型。但无论如何逻辑回归这个基线的价值在于你知道了自己的数据在什么水位后面的改进方向才清晰。写在最后一点个人体会我从这个案例里学到的最重要一课是不要急着调现成库先自己动手实现一遍梯度下降你才能真正建立对优化过程的直觉。梯度如何计算、损失如何下降、学习率多大会导致发散这些不是看文档能体会到的。逻辑回归看起来简单但它包含的Sigmoid映射、交叉熵设计、梯度推导思路是理解后面神经网络、深度学习绕不开的底子。如果你也正在走这条路我建议你用模拟数据把文中的代码跑一遍改改学习率、换换批大小亲眼看一看损失曲线的变化这个过程的收获比单纯接口调用大得多。