1700501085
图10-2 Sigmoid分布曲线
1700501086
1700501087
接下来进一步深入理解，这里引入了可能性比率（ODDS）这个概念。
1700501088
1700501089
可能性比率（ODDS）是指一件事情发生的概率除以这件事情不发生的概率后得到的值，博彩活动中的赔率就是可能性比率，其在现实生活中是一个广为人知的应用案例。
1700501090
1700501091
可能性比率为5，说明一件事件发生的可能性比不发生的可能性高5倍；
1700501092
1700501093
可能性比率为0.2，说明一件事情发生的可能性为不发生的可能性的1/5；
1700501094
1700501095
可能性比率小于1，说明一件事情发生的概率低于50%；
1700501096
1700501097
可能性比率大于1，说明一件事件发生的概率高于50%；
1700501098
1700501099
与概率不同的是，可能性比率的最小值为0，但最大值可以是无穷大。
1700501100
1700501101
可能性比率是逻辑回归中连接自变量和因变量的纽带，我们可以从下面的公式演变中体会这句话的意思。
1700501102
1700501103
1700501104
1700501105
1700501106
将上述两个公式合并，就会成为现在广泛应用的逻辑回归算法：
1700501107
1700501108
1700501109
1700501110
1700501111
该公式也可以表现为：
1700501112
1700501113
1700501114
1700501115
1700501116
逻辑回归使用的参数估计方法通常是最大似然法，利用最大似然法进行参数的估计时，通常有如下步骤：
1700501117
1700501118
设Y为0-1型变量，X=(x1,x2,…,xp)是与Y相关的变量，n组观测数据为(xi1,xi2,…,xip；yi)(i=1,2,…,n)，yi与xi1,xi2,…,xip的关系如下：
1700501119
1700501120
1700501121
1700501122
1700501123
1700501124
其中，函数f(x)是值域在[0,1]区间的单调递增函数，对于逻辑回归（Logistic Regression），有。
1700501125
1700501126
于是，yi是均值为πi=f(β0+β1xi1+β2xi2+…+βpxip)的0-1分布，其概率函数为
1700501127
1700501128
P(yi=1)=πi
1700501129
1700501130
P(yi=0)=1-πi
1700501131
1700501132
1700501133
可以把yi的概率函数合写为
1700501134