机器学习2----Logistic回归

1.认识Sigmoid函数

            y=1/(1+    e的-z次方）

这就是Sigmoid函数
首先把它画出来


由图可知，z=0时，y=0.5。
z 越大，y 越趋近 1 ，反之趋近 0
所以我们可以将对象分为两类，0和1
设置条件，如果 y大于0.5,则 y=1 ，反之 y=0

2.分析 Iris 的类型
这里有现成的 Iris 数据，我们直接拿来用

我们可以看到有150条记录，并且有三种类型，每条记录都有4个属性
通过 “ df ” 命令可以查看全部，这里列举了部分

因为演示 ‘对数几率回归’ 需要两种数据类型，而我们有三种，所以再做筛选

再来看新数据，更改完毕
因为删除了一类，所以从50开始
开始计算各项系数

得到

  z=45.27-5.75petal_length-10.44petal_width
  带入原函数
  Species=1/ （1+  e的-z次方）

附：模型建立成功后，可以用它来划分一些新数据

进行分类

为了更直观反映分类，在坐标系中画图观察

图像如下