【零基础学机器学习 6】 机器学习中的分类算法-逻辑回归（上）概念指南

👨‍💻 作者简介：程序员半夏 , 一名全栈程序员，擅长使用各种编程语言和框架，如JavaScript、React、Node.js、Java、Python、Django、MySQL等.专注于大前端与后端的硬核干货分享,同时是一个随缘更新的UP主. 你可以在各个平台找到我!
🏆 本文收录于专栏: 零基础学机器学习
🔥 专栏介绍:

🥇 本专栏将帮助您了解机器学习、其工作原理以及如何使用它。本教程包含以下内容:监督和无监督学习、线性回归、随机森林算法、朴素贝叶斯分类器、K-means聚类算法等基础学习基础知识，以及各种实战案例。

什么是逻辑回归？

机器学习中的逻辑回归是一种用于分类问题的算法，它可以将输入数据映射到二元输出（0或1），并用概率来表示分类结果。

逻辑回归的核心思想是利用sigmoid函数将线性回归的结果映射到0和1之间的概率值，然后根据阈值将概率值转换为二元输出。

具体来说，逻辑回归的模型可以表示为：