信用违约判断逻辑回归实例--LogisticRegression

1、目标

根据已知用户违约数据，预测用户是否违约。

2、逻辑回归模型知识准备

模型目标：    分类0-1, 得到指定属性归类为1有多大概率，归类为0 有多大概率。--用于分类。
适用：            经典二分类问题
二元逻辑回归：回归结果分类0-1两类；
多元逻辑回归：回归结果分类两类以上。

逻辑回归推导原理

(参考了各种资料后纯个人理解个人认为已经是很通俗的白话文，可能中间与官放的原理讲解会有些出入，此处经过了个人的理解翻译，主要帮助了解一下原理，需要真正了解所有推导过程以及数学公式，还是需要另外搜一下其他大神的讲解哦，菜鸟起步望多包涵，多指教)：

①线性回归推导原理：

逻辑回归与线性回归有很多相似之处，线性回归——已知多个自变量矩阵X，通过寻求一组最优的参数矩阵θ，建立一个回归方程(模型)，该模型直线将尽可能多的已知的点-相当于Y【Hθ（X）】值。

    A).    理论完美线性模型经过多有所有y点>>>Hθ（X）=θ.T * X  

          (相当于多元方程组 y=ax0+bx1+cx2 ，abc组合就是θ参数组合-θ.T为矩阵转置，X0等变量就是一列一列的矩阵)

    B).    实际是不可能画出完全拟合（相当于穿过的意思）所有已知的y值点，那么求出来的模型和时间y值必会有一个误差那么

             实际y值 = 预测y值 +误差 =>y=Hθ（X）+损失值=>

    C).    我们的目标是经过尽可能多的点，那么我们希望误差值就是越小越好，误差值用已知的x、y值替代，求误差极小值，

             经过一系列的各种复杂的数据公式原理用似然以及求导等推导【普通最小二乘法】，

            最后大神推断出θ矩阵值=