上手机器学习，从搞懂这十大经典算法开始

2 - 逻辑回归

逻辑回归是机器学习借自统计领域的另一项技术，用于解决二元分类问题（有两个类值的问题）。

逻辑回归就像线性回归，因为它的目标是找出每个输入变量的加权系数值。与线性回归不同的是，逻辑回归预测输出值的函数是非线性的，也被称为逻辑函数。

逻辑回归的函数图像看起来是一个大的S形，并将任何值转换至0到1的区间。这种形式非常有用，因为我们可以用一个规则把逻辑函数的值转化成0和1（例如，如果函数值小于0.5，则输出1），从而预测类别。

基于模型学习的方式，逻辑回归的输出值也可以用来预测给定数据实例属于类别0和类别1的概率。当你的预测需要更多依据时，这一点会非常有用。

跟线性回归一样，当你剔除与输出变量无关或与之除非常相似（相关）的属性后，逻辑回归的效果会更好。对于二元分类问题，它是一个易于上手、快速而又有效的模型。