Python与logistic回归——理解与实践

文章参考 https://www.cnblogs.com/chamie/p/4876149.html 【Machine Learning in Action --5】逻辑回归（LogisticRegression）从疝气病预测病马的死亡率

文章实例为疝气症预测病马死亡率，实例数据：http://archive.ics.uci.edu/ml/datasets/Horse+Colic

---

引言

logistic回归，一种广义的线性回归分析模型。常用于做二分类问题(非0即1)，但是logsitic回归并不是分类器，是一种概率估计，下文中会做详细解释。

---

问题提出 

给定  个个体 ，对每一组个体求预测值 ，使得  其中  为  维列向量， 中每一个元素都是个体特征，总共  个特征， 取值为0或1。

即是 ，。

对于文章的实例，就是给出300组数据(300个个体)，每组数据的  为病马的一些特征，例如年龄，呼吸频率等， 即是病马死亡(0)或病马存活(1)。

---

logistic函数

上述问题可用拟合的方法进行求解，由于是二分类问题，简单的线性回归  无法满足我们的需求(线性回归的值域为)，那么引出了sigmoid函数。

sigmoid函数 ，也称作logistic函数，特殊地 。

图像如图所示，简单可以看出sigmoid函数可以将线性回归  映射到  区间，问题并没有解决，