Pytorch实现logistic回归（算法+代码）

逻辑回归Logistic Regression

逻辑回归是机器学习中常用的一种二分类算法，常用于疾病预测等“非黑即白”的分类，简单说就是在使用逻辑回归的任务中，标签数据的Y值要么是0要么是1。

Sigmoid函数

逻辑回归，不管怎么着，还是一个回归，而我们是用它来进行分类的。回归一般的得到的是一个连续值，二分类需要的是0或者1（类别），那么怎么建立起连续值到类别的映射关系呢？这时候Sigmoid函数就发挥作用了。 Sigmoid函数的公式如下：

$$f(x)=\frac{1}{1+e^{-x}}$$
其示意图为：

可以看出其值域为0到1之间，以0为分界点：

当x小于0的时候，f(x)值小于0.5；
当x大于0的时候，f(x)值大于0.5；
正是由于上面的特性，sigmoid函数可以被用来进行二分类，比如我们以0.5为界，将大于0.5的值归为类别1，小于0.5的归为类别0。

逻辑回归

有了Sigmoid函数，才有了逻辑回归。 逻辑回归逻辑回归又叫做对数几率回归，也就是说我们是对概率进行建模，而不同于线性回归对Y直接进行建模。

线性回归：
$$Y=WX+b$$
而逻辑回归：
$$y=$$