随着回归问题的发展，它实际上是一个相当复杂的算法。您的问题的答案很大程度上取决于您是否可以使用可靠的通用 CG 优化算法。如果你这样做了，问题就会变得简单一些。如果您不这样做，我不建议从头开始重新实现逻辑回归（尽管其他人已经尝试过，请参阅此处以了解没有 GC 例程的最小 R 实现），原因在此处进行了解释。

无论如何，潜在的可能性表面可能几乎是平坦的，因此您必须小心实现的小印刷品并在许多极端情况下对其进行测试（这些情况下，$X$高度相关或当两组几乎完全可分离时）。

一种可能的（快速而肮脏的）替代方法是重新调整所有$X$是在$[0,1]$- 例如，通过对它们中的每一个单独使用逆 logit 函数（在它们首先被标准化以具有均值 0 和单位方差之后） - 并通过 OLS 估计拟合（这种方法称为线性概率模型）。它不会是同一个模型，系数也不会具有可比性，但结果会比在原始数据上进行 OLS 更好。这里的优点是实现 OLS 是微不足道的，假设您可以访问一个好的 ruby​​ 线性代数库（谷歌搜索我发现quix/linalg）