逻辑回归简介

1.逻辑回归是这样的一个过程：面对一个分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数，然后测试验证我们这个求解的模型的好坏。

2.逻辑回归的思想是在之前的一般线性回归模型基础上添加logistic函数进行包裹，是一个被logistic方程归一化后的线性回归，只用于处理二分类问题。

3.我们可以构建损失函数，逻辑回归模型的损失函数是对数损失，其对应的损失式子如下：

其中：              

 *m：训练样本的个数              

*  ：逻辑回归式预测得到的值。              

*Y:原训练样本中的Y,这是目标标签。              

*i:表示第几个样本。

4.之后使用梯度下降算法来迭代找到最佳的   参数。

5.优缺点

优点：        

*实现简单，广泛的应用于工业问题上；        

*速度快，适合二分类问题        

*简单易于理解，直接看到各个特征的权重（方式很直观）        

*能容易地更新模型吸收新的数据

缺点：        

*对数据和场景的适应能力有局限性，不如决策树算法适应性那么强。      

 *当特征空间很大时，逻辑回归的性能不是很好；        

*容易欠拟合，一般准确度不太高