天池ML训练营 Day03 基于鸢尾花（iris）数据集的逻辑回归分类实践

Day03 为实战环节啦，又学习了一下，大概知道求解系数向量θ的原理了，其实也是作出损失函数（评价函数），使其最小化，从而找到最合适的θ向量的数值。没有闭式解，还是要用梯度下降法，在库函数里面设置参数(求解方式)就好了。有时间再来详细更新一下。

代码比较多，由于时间原因，没有完全在jupyter notebook上手敲复现，在DSW页面上实现了。看懂了源码，内容很多，就不贴图了。

这里以这个鸢尾花的例子说明一下“逻辑回归”的算法流程吧。

• Step1:库函数导入
• Step2:数据读取/载入
• Step3:利用训练集数据训练出逻辑回归模型
• Step4:将新数据（测试集）代入得到的模型中进行进行预测
• Step5:评价模型指标（包括精准率、召回率、ROC曲线与AUC指标等）

当然，逻辑回归不仅可以做二分类任务，还可以做三分类甚至更高维的分类任务。