机器学习逻辑回归

机器学习逻辑回归
逻辑回归：逻辑回归通过构造回归函数，利用机器学习来实现分类或者预测，算法输出值（预测值）一直介于0和1之间，因此逻辑回归是一种分类算法（classification y = 0 or 1）。
**训练集/训练样例：**用来进行训练，也是产生模型或者算法的数据集
逻辑回归的使用： 基于sigmoid函数的逻辑回归，主要应用于预测 0-1 概率问题，逻辑回归也被用来处理不同的分类问题，这里的目的是预测当前被观察的对象属于哪个组。它会给你提供一个离散的二进制输出结果。一个简单的例子就是判断一个人是否感染了恶性肿瘤。

例如如图，就是一个判断肿瘤是否为恶性的逻辑回归模型，其中 1 表示是恶性肿瘤， 0 表示非恶行肿瘤。其中结果只有两种——1(是)——0（不是）。
**Sigmoid函数：**Sigmoid函数是一个S型曲线，可以实现将任意真实值映射为值域范围0-1的值，但从来不局限于这些限制,这些概率值必须转换为二进制数，以便实际中进行预测。这是逻辑函数的任务，也被称为sigmoid函数。然后使用阈值分类器将（0，1）范围的值转换为0和1的值来表示结果。

**逻辑回归与线性回归的区别：**逻辑回归给出离散的输出结果，然而线性回归给出的是连续的输出结果。