机器学习算法（一）：基于逻辑回归的分类预测

机器学习算法（一）：基于逻辑回归的分类预测

1、逻辑回归的原理

（1）逻辑回归（Logistic regression，简称LR），它既可以看做是一个分类算法，也可以看做是一个回归算法，通常是作为分类算法用。

（2）逻辑回归解决分类问题的原理是：将样本的特征和样本发生的概率联系起来；由于概率是一个数，也可以管它叫作是回归问题。

（3）逻辑回归的核心是sigmoid函数。我们可以把逻辑回归看做是二分类问题，所以值域分布在（0,1）之间。通过python绘图包制作图像来加深理解。

##  基础函数库
import numpy as np 
## 导入画图库
import matplotlib.pyplot as plt
import seaborn as sns
## 导入逻辑回归模型函数
from sklearn.linear_model import LogisticRegression

def sigmoid(t):
    """ Sigmoid 函数 """
    return 1 / (1 + np.exp(-t))

# 生成测试数据 -10到10之间的500个数据，点越多曲线越光滑
x = np.linspace(-4, 4, 500)
y = sigmoid(x)

# 绘制图像
plt.plot(x, y)
plt.show()

2、掌握逻辑回归可视化的代码

demo1:构建实验数据，阐述逻辑回归分析

##  基础函数库
import numpy as np 

## 导入画图库
import matplotlib.pyplot as plt
import seaborn as sns

## 导入逻辑回归模型函数
from sklearn.linear_model import LogisticRegression

##Demo演示LogisticRegression分类

## 构造数据集
x_fearures = np.array([[-1, -2], [-2, -1], [-3, -