python画logistic拟合曲线_Logistic回归python实现小样例

假设现在有一些点，我们用一条直线对这些点进行拟合（该线称为最佳拟合直线），这个拟合过程就称作回归。

利用Logistic回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，依次进行分类。

Logistic回归的一般过程

（1）收集数据：采用任意方法收集数据

（2）准备数据：由于需要进行距离计算，因此要求数据类型为数值型。另外，结构化数据格式则最佳

（3）分析数据：采用任意方法对数据进行分析

（4）训练算法：大部分时间将用于训练，训练的目的是为了找到最佳的分类回归系数

（5）测试算法：一旦训练步骤完成，分类将会很快

（6）使用算法：首先，我们需要输入一些数据，并将其转换成对应的结构化数值；接着，

基于训练好的回归系数就可以对这些数值进行简单的回归计算，判定他们属于哪个类别；在这之后，我们就可以

在输出的类别上做一些其他分析工作

优化算法：梯度上升

优缺点：

优点：计算代价不高，易于理解和实现

缺点：容易欠拟合，分类精度可能不高。

使用数据类型：数值型和标称型数据

我们想要的函数应该是，能接受所有的输入然后预测出类别。例如，在两个类的情况下，

上述函数输出0或1，我们之前也接触过这种性质的函数，该函数称为海维赛德阶跃函数，</