基于逻辑回归的分类预测

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