线性回归与逻辑回归复习

线性回归（Linear Regression）

是一种用于建立和分析变量之间线性关系的统计模型。在简单线性回归中，我们尝试通过一个自变量来预测一个因变量的取值；在多元线性回归中，我们则使用多个自变量来预测一个因变量。

线性回归的目标是找到一条最佳拟合直线（或超平面），使得观测数据点到这条直线（或超平面）的距离之和最小化，通常使用最小二乘法来实现这一目标。

通过线性回归模型，我们可以对数据进行预测、探索变量之间的关系，以及评估变量对因变量的影响程度等。线性回归在实际应用中被广泛使用，例如在经济学、社会科学和自然科学领域。

下面是一个简单的代码例子

运行结果:

逻辑回归(Logistic Regression）

实际上是一种用于解决分类问题的统计学习方法，而不是回归问题。尽管名字中带有“回归”，但逻辑回归通常用于处理二分类问题，也可以扩展到多分类问题。

在逻辑回归中，我们使用逻辑函数（也称为 S 形曲线）将输入