人工智能基础（十七）逻辑回归

逻辑回归

1、逻辑回归的概念：
解决的是一个二分类的问题
逻辑回归的输入是线性回归的输出
2、原理：

1. 输入：线性回归的输出
2. 激活函数:sigmod函数，把整体映射到0和1上，再设置一个阈值，进行分类判断
3. 损失：对数自然损失，借助了log思想，进行完成，真实值等于0，等于1两种情况进行划分。
4. 优化：提升原本属于1的概率，降低原本类别是0的概率

3、逻辑回归API介绍
sklearn.linear_mode.LogisticRegression()
注意：回归、分类的API有时候是可以混合使用的

4、案例

5、分类评估方法

1. 准确率：（真正例+真反例）/（所有例子）
2. 精确率：（真正例）/（真正例+伪正例 ）–查的准不准
3. 召回率：（真正例）/（真正例+伪反例）-- 查的全不全
4. F1-score:反映模型的稳健性

分类评估报告API：
sklearn.metrics.classification_report(y_test, y_pre)