【机器学习】逻辑回归

一、逻辑回归Demo

逻辑回归本质上还是属于线性分类器，以二维平面角度看就是一条将不同类型的点集一分为二的直线。下面我们创建简单数据和利用sklearn提供的LogisticRegression类实现一个简要的逻辑回归过程：

2.1 数据准备

必要库导入

##  基础函数库
import numpy as np 

## 导入画图库
import matplotlib.pyplot as plt
import seaborn as sns

## 导入逻辑回归模型函数
from sklearn.linear_model import LogisticRegression

数据创建与可视化

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

## 可视化构造的数据样本点
fig = plt.figure(figsize=(6,5))
plt.scatter(X[:,0],X[:,1], c=y, s=50, cmap='viridis')
plt.title('Dataset')
plt.show(