task2-逻辑回归算法梳理

• 1、逻辑回归与线性回归的联系与区别

逻辑回归和线性回归的变量不同，逻辑回归用于分类，线性回归用于预测

• 2、 逻辑回归的原理

建立模型->代价函数->优化->最优模型参数，测试集测试。

• 3、逻辑回归损失函数推导及优化

参考：https://blog.csdn.net/ligang_csdn/article/details/53838743

• 4、 正则化与模型评估指标

​​​​​​​正则化为了防止过拟合，正则化可以选择L1、L2范数。

• 5、逻辑回归的优缺点

优点：适用于二分类问题

缺点：对数据和场景的适应能力有限

• 6、样本不均衡问题解决办法

​​​​​​​1.人工生成数据

2.对数据进行重采样

• 7. sklearn参数

参考：​​​​​​​https://blog.csdn.net/jark_/article/details/78342644

最优作业可参考：https://github.com/trembous/homework_summary/blob/master/29-野比大雄-20190302-20190303_02.ipynb