逻辑回归算法介绍

//2019.08.13
#逻辑回归算法(Logistic Regression)
1、根据2017-2018年人工智能与大数据科学领域的统计，不同的机器学习算法应用占比排名如下，其中，逻辑回归、决策树、随机森林以及人工神经网络算法占比前四，应用最为广泛，其次是贝叶斯算法、集成学习以及支持向量机SVM算法。目前全球人工智能最火最前沿的研究方向CNN和RNN深度学习算法排名第九和第十，主要是因为它对于数据的要求很高，并且要求很高的计算能力。

2、逻辑回归算法是目前应用最为广泛的一种算法，虽然是回归算法，但是它解决的是分类问题，而不是回归问题，它的原理是将样本的特征与样本发生的概率，而概率是一个数字，因此将其称为回归算法。

3、逻辑回归算法即可以看做是回归算法，也可以看作是分类算法，通常用来解决分类问题，主要是二分类问题，对于多分类问题并不适合，也可以通过一定的技巧变形来间接解决。

4、对于逻辑回归因为得到的预测结果是事件的发生概率，因此它的预测值值域为0-1之间，而概率转换函数一般选用的是sigmoid函数，它可以将这个实数范围转换为0-1,并且0是一个分界点，当t>0时，概率p大于0.5，当t<0时，概率p<0.5。

 

转载于:https://www.cnblogs.com/Yanjy-OnlyOne/p/11347000.html