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(