Datawhale_day1逻辑回归

引言

逻辑回归属于有监督机器学习。

我们习惯将这类预测未来的问题称作回归问题，机器学习中按照目的不同可以分为两大类：回归和分类。那么逻辑回归既是用来完成分类任务的为什么名字中还有“回归”呢？大概是使用回归的思想去完成分类任务吧。、

一个例子

代码：

import numpy as np

import matplotlib.pyplot as plt
import seaborn as sns

from sklearn.linear_model import LogisticRegression

# 构造数据集
x_features = np.array([[-1, -2], [-2, -1], [-3, -2], [1, 3], [2, 1], [3, 2]])
y_label = np.array([0, 0, 0, 1, 1, 1])

# 调用逻辑回归模型
lr_clf = LogisticRegression()

# 用逻辑回归模型拟合构造的数据集
lr_clf = lr_clf.fit(x_features, y_label)  # 其拟合方程为 y=w0+w1*x1+w2*x2

# 查看其对应模型的w
print('the weight of Logistic Regression:', lr_clf.coef_)

# 查看其对应模型的w0
print('the intercept(w0) of Logistic Regression:', lr_c