##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