基于sciket-learn实现逻辑回归

逻辑回归虽然名称里有回归两个字，但是逻辑回归主要用来解决分类问题，并且只能解决二分类问题。（当然逻辑回归也可以解决回归问题；同时逻辑回归可以通过OvO、OvR等方法实现多分类，但本质还是二分类。）

逻辑回归与线性回归不同的是，线性回归得出的是一个具体的预测值，预测房价的模型得出的就是房价，预测成绩的模型得出的就是成绩，而逻辑回归得出的是概率，通过概率大于小于来进行分类。下面是逻辑回归的公式：

接下来通过代码，来具体看看逻辑回归是怎么一回事。

先导入基本类库，生成模拟数据集，并且增加噪声

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(666)
X = np.random.normal(0, 1, size=(200, 2))
y = np.array((X[:,0]**2+X[:,1])<1.5, dtype='int')
for _ in range(20):
    y[np.random.randint(200)] = 1

可视化数据

plt.scatter(X[y==0,0], X[y==0,1])
plt.scatter(X[y==1,0], X[y==1,1])