学习笔记：逻辑斯蒂回归（logistic regression）

什么是逻辑斯蒂回归，参见维基百科的解释点击打开链接。

后面的参考博客已经给逻辑斯蒂回归做了很多基础东西的讲解（越是基础的东西越难讲清楚）。在这里我对逻辑斯蒂回归记录一点自己的认识。

两个问题：

Q1，为什么选用logistic function？

Q2，logistic regression模型参数怎么找？

Q1，为什么选用logistic function？

参考博客4中给出的一个解释，在此进行罗列。

    一个线性模型的输出值 y 越大，这个事件 P(Y=1|x) 发生的概率就越大。 另一方面，我们可以用事件的几率（odds）来表示事件发生与不发生的比值，假设发生的概率是 p ，那么发生的几率（odds）是 p/(1-p) ， odds 的值域是 0 到正无穷，几率越大，发生的可能性越大。将我们的直觉与几率联系起来的就是下面这个（log odds）或者是 logit 函数 

                                   

由上述函数可以可以得到逻辑斯蒂回归模型：

                                     

                                     

Q2，logistic regression模型参数怎么找？

             是样本，每个样本是由一组样本特征表示。

           是参数组，每个参数组由对应特征的参数组成。

       logistic regression建模时候无非就是找到一组非常合适的参数<