1.逻辑回归原理
1)逻辑回归(Logistic Regression)是一种简单、高效的常用分类模型,其模型函数为:
它在二维坐标中的表现是这样的:
因为表现为 S 形曲线,所以逻辑函数又被称为 Sigmoid 函数(S 函数)。上图中,z是自变量(横轴),最终计算出的因变量 y(纵轴),则是一个 [0,1] 区间之内的实数值。一般而言,当 y>0.5时,z被归类为真(True)或阳性(Positive),否则当 y<=0.5时,z被归类为假(False)或阴性(Negative)。所以,在模型输出预测结果时,不必输出 y的具体取值,而是根据上述判别标准,输出1(真)或0(假)。因此,LR 典型的应用是二分类问题上,也就是说,把所有的数据只分为两个类。
2)逻辑函数表示的是存量随时间增长渐增的关系,而增长率与时间的关系,则是存量(逻辑函数)的微分函数:
它的图形是:
从此图更容易看出增长率先变高,后变低的规律。而且,从形状上看,逻辑分布函数的曲线