Logistic 回归

概要：

1. logistic回归是一种分类方法，主要用于两分类问题。
2. 把线性模型的结果压缩到[0,1]之间，使其拥有了概率意义。

 

应用场景：

   分类。

 

优点：

1. 实现简单，广泛地应用于工业问题上。
2. 分类时计算量非常小，速度很快，存储资源低。
3. 便利的观测样本概率分数。

 

缺点：

1. 当特征空间很大时，性能不是很好。
2. 容易欠拟合，一般来说准确度不太高。
3. 只能处理两分类问题。（在此基础上衍生出来的softmax可以用于多分类），且必须线性可分。

 

 

伪代码：

设定最大迭代次数

设定学习速率