Day4：逻辑回归（Logistic Regression）简介

Day 4.jpg

逻辑回归是什么？

逻辑回归用于分类问题。在分类问题中，我们尝试预测目前观测目标属于哪一类，它会产生一个离散的二元结果（0或1）。一个简单的例子是某人在即将到来的选举中是否会投票。

它是怎样工作的？

逻辑回归测量因变量（我们想要预测的结果Y）与一个或多个自变量（特征X）之间的关系，用它内在的逻辑函数来估计结果的可能性。

预测结果

为了准确预测，这些可能性被转换成二元结果。这就是逻辑函数的任务，也叫做Sigmoid函数。通过阈值进行划分，这些0-1之间的数值将会被转换成0或1。（如：阈值为0.5，则小于0.5的值被分类为0，大于等于0.5的值被分类为1）

Sigmoid函数

Sigmoid函数是一条S形曲线，将变量映射到0-1之间，且无限接近边界。

Sigmoid Function

逻辑回归VS线性回归

逻辑回归得到的是离散的结果，而线性回归得到的连续的结果。