「逻辑回归模型」
解决的是监督学习中的分类问题。但由于历史原因名字中带有回归，但它实际上是分类算法。还是从最基础的分类问题「二分类问题」开始讲起。
监督学习是什么呢？监督学习是从标记的训练数据来推断一个功能的机器学习任务。
二分类问题
我们的输出向量 y（结果） 不是连续的值范围，而是只有 0 或 1（即 y ε {0,1}）
最简单的举例：这首歌曲，你喜欢，或 不喜欢（QQ音乐）
借给你钱了，你 还，还是不还（花呗）
多分类问题
学会了解决二分类问题后，现在，我们将数据分类为两类以上，即从 y = {0,1} 扩展到 y = {0,1,...,n}。
生活在互联网时代，我们的在互联网的一切行为（点击，转发，点赞）等都被应用的算法记录下来成为大数据的一部分，我们在生产数据，也在影响数据对我们决策，于是我们被在互联网上被推送了各种各样的广告、购物网站的关联商品、音乐应用的“还喜欢听”、新闻资讯网站的各种相关推荐等等。这些算法，根据我们在互联网的特点（点击行为、身份等）给我们打了许多标签，我们就“被”分类了，例如你在抖音中点赞过一个视频，接着你会发现抖音给你推送的就是这一分类相关视频。
这种分类的算法成为逻辑回归算法。
sigmoid函数
观察这个看似复杂的图：
发现
当Y的值大于0之时，对应的逻辑回归结果大于0.5
当Y的值小于0时，对应的逻辑回归结果小于0.5
一些逻辑回归公式
案例：（学习时间和通过考试的预测案例了解一下逻辑回归是如何分析解决问题）
待续....
部分参考：https://zhuanlan.zhihu.com/p/520490105
标签：逻辑,入门,回归,分类,笔记,学习,算法,我们 来源： https://www.cnblogs.com/yizhizhangBlog/p/16382973.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。