逻辑回归及其代码实现-python

逻辑回归及其代码实现-python

一、逻辑回归简介

逻辑回归（Logistic Regression）是一个最基础的二分类器，其主要是在线性回归的基础上套用了sigmoid函数，从而将广义线性回归的预测值转换为{0,1}，使用sigmoid函数的主要原因是该函数单调可微（具体原因详见《机器学习》-对数几率回归），对于给定的样本X，通过求出权重矩阵W与偏置b，并利用sigmoid（X,W,b）求出样本属于正例的概率，一般而言概率阈值为0.5，即所求概率大于0.5时预测为1，否则预测0。

二、实例分析

采用机器学习经常被拿来“鞭尸”的鸢尾花数据集进行测试，利用sklearn数据包直接导入数据，并转换成一个DataFrame进行分析（个人习惯），代码如下：

##  基础函数库
import numpy as np 
import pandas as pd

## 绘图函数库
import matplotlib.pyplot as plt
import seaborn as sns


##利用sklearn中自带的iris数据作为数据载入，并利用Pandas转化DataFrame格式
from sklearn.datasets import load_iris

data = load_iris(