【logistic 回归】概论 + 细节

对于要使用 logistic 回归的人而言，无非有两种，第一种把他当成CPU一样的工具，知道输入输出什么情况下能解决什么问题就能够满足日常使用；第二种希望掌握背后的原理，不论是兴趣所致抑或工作学习需要。本文章为两者都提供需要的信息

概论部分【足够理解 logistic 回归 & 使用情景】

先附上一份英文博客，用通俗易懂的语言讲解了logistic 回归的核心思想，强烈建议有条件的同学亲自看看。

解决什么问题

和其他线性回归略有不同，诚然所有线性回归的本意都在于预测与解释，但是logistic回归注重的是分类任务（0，1分类）。通常而言用来进行二分类，但是也有多分类的算法可以使用。

被解释变量(Y)的特点

通常而言，被解释变量是离散的数。如果是二分类的话，举例而言我们可以用0代表一个人未患癌症，1代表一个人患癌症。如果是多分类的话又可以分为两种情况：

• 数字的大小没有实际含义：比如未来你觉得哪种出行方式是最为流行的，公交、地铁、步行、骑车、驾车可以用1~5来分别指代，但通常而言没有什么特定含义。
• 数字的大小代表了某种顺序：比如衣服的尺码从XS, S 一直到XXL，可以用由小到大的一列数字进行指代，同时有某种偏序关系。

解释变量(X)的特点