使用逻辑回归进行分类

概要

逻辑回归的基本原理
提示：这里可以添加技术概要

分类与回归的区别
阶跃函数
激活函数

实际上却是一种线性分类模型
把线性回归模型输出的连续值进行离散化，即将线性回归模型改造成相应的线性分类模型
提示：这里可以添加技术整体架构

提示：这里可以添加技术名词解释

回归问题：如果模型的预测值是连续的数值，就是回归问题

分类问题：相反地，模型的预测值是不连续的离散值，就是分类问题

**

原理分析

阶跃函数

**
设置若干阈值，将回归模型输出的连续值分割为不同的分区，每个区间表示一个类别
，从而实现连续值的离散化。
简而言之就是对线性回归模型的输出值进行函数映射

激活函数
由于阶跃函数呈现为不连续的函数，无法对其进行求导，在求线性回归参数的时候，经常需要通过
使用求导数的方法来求极小值。激活函数就是对连续值的离散化的一种函数。

小结

提示：这里可以添加总结

线性回归的直线是尽可能的你拟合自变量的分布，使得训练集中的所有样本点到直线的距离尽可能短
逻辑回归的直线是尽可能拟合决策边界，使得训练集样本中不同类的样本点尽可能分离