机器学习算法1：基于逻辑回归的分类预测——阿里云天池AI训练营机器学习

1 逻辑回归简单介绍

1.1逻辑回归英文名称

逻辑回归（logistic regression），因此调包时常用lr代替逻辑回归算法包。

1.2逻辑回归优劣势

• 优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；
• 缺点：容易欠拟合，分类精度可能不高

1.3逻辑回归的应用

1、逻辑回归模型现在同样是很多分类算法的基础组件,比如 分类任务中基于GBDT算法+LR逻辑回归实现的信用卡交易反欺诈，CTR(点击通过率)预估等，其好处在于输出值自然地落在0到1之间，并且有概率意义。模型清晰，有对应的概率学理论基础。它拟合出来的参数就代表了每一个特征(feature)对结果的影响。也是一个理解数据的好工具。但同时由于其本质上是一个线性的分类器，所以不能应对较为复杂的数据情况。
2、经常用lr来做一些任务的baseline（基线）

2 逻辑回归应用

2.1逻辑回归算法库

from sklearn.linear_model import LogisticRegression
lr = LogisticRegression