这篇博客介绍了逻辑回归模型作为二分类的原理，解释了Sigmoid函数的作用，并对比了逻辑回归与线性回归的区别。同时，文章还探讨了逻辑回归的别名——对数几率回归，并通过数学推导证明了两者的等价性。最后，作者按照机器学习的流程，阐述了二元逻辑回归模型的实现步骤。
一、什么是逻辑回归模型
逻辑回归模型是线性的二分类模型。
逻辑回归的表达式：
f(x)就是大名鼎鼎的Sigmoid函数，也称为Logistic函数。这个函数的曲线如下：
sigmoid函数的作用就是将x的输入映射到0-1。
（1）如何用这个模型做二分类呢？根据y的取值分类。
（2）为什么是线性的？
我们来对比一下线性回归模型与逻辑回归模型。
线性回归模型：y = wx + b 逻辑回归模型： y = sigmoid(wx+b)
二、逻辑回归与对数几率回归
逻辑回归还有一个别名就是对数几率回归。
几率： y/(1-y)
对数几率：ln(y/(1-y))
对数几率回归模型：
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
