机器学习算法一：基于逻辑回归的分类预测day01

##8.16日上午9.18 星期日

1.2学习目标

了解逻辑回归理论
掌握逻辑回归 的sklearn 函数调用莺尾花数据集预测

逻辑回归解决的问题：

分类问题 常见的线性变量是解决连续的因变量问题，如果因变量的定性变量，线性回归模型就不管用了，需要采用逻辑回归模型

对于step2:训练模型

问题1: y标签问题

函数的定义域为全体实数，值域在[0,1]之间，x轴在0点对应的结果为0.5。当x取值足够大的时候，可以看成0或1两类问题，大于0.5可以认为是1类问题，反之是0类问题，而刚好是0.5，则可以划分至0类或1类。

问题2:LogisticRegression回归算法

LogisticRegression回归模型在Sklearn.linear_model子类下，调用sklearn逻辑回归算法步骤比较简单，即： > (1) 导入模型。调用逻辑回归 LogisticRegression()函数。 > (2) fit()训练。调用fit(x,y)的方法来训练模型，其中x为数据的属性，y为所属类型。 > (3) predict()预测。利用训练得到的模型对数据集进行预测，返回预测结果。

问题3: 对于线性回归和逻辑回归，其目标函数为：

g(x) = w1x1 + w2x2 + w3x3 + w4x4 + w0 如果有激活函数sigmoid，增加非线性变化 则为分类
即逻辑回归 如果没有激活函数ÿ