第4步 Logistic回归

---

前言

这是机器学习100步入门ML的第4步，我们终于来到了运用最多的的分类问题，从今天开始，逐一介绍常见的分类模型。当然，理解难度和代码复杂度相较之前会陡然加大，大家慢慢食用，反复食用，做到举一反三，融会贯通。
本文将探讨逻辑回归的概念、逻辑回归训练时的数据要求、逻辑回归的基本运行原理。文章的最后我们会做一个简单应用：使用逻辑回归预测用户是否会购买SUV。

---

一、什么是逻辑回归？

逻辑回归是一种用于解决分类问题的机器学习方法。它是一种基于概率思想的预测分析技术。分类算法逻辑回归用于预测分类因变量的似然性。逻辑回归中的因变量是二进制变量（分类变量），数据编码为 1（是、正常、存活等）或 0（否、异常、死亡等）。当然也可以是多分类变量，例如0、1、2；不过先拿二分类作为例子。
逻辑回归的目标是发现特征与特定结果的可能性之间的联系。例如，根据病人的临床症状、体征预测病人的预后，特定结果有两个值：预后好和预后差、或者存活和死亡。
有同学估计懵了，逻辑回归是分类还是回归。首先从输出上看，逻辑回归不太像回归，因为它的输出被限定在 0 和 1 之间。但