本文介绍了逻辑回归的基本原理，包括模型在二分类问题中的应用，以及其优缺点。随后，通过详细步骤展示了如何使用逻辑回归在鸢尾花数据集上进行分类预测，包括库函数导入、模型训练、参数查看、数据和模型可视化以及预测过程。
逻辑回归算法原理
① 逻辑回归是一个分类模型，并且广泛应用于各个领域之中。针对的是数据响应变量的取值不是连续的，分布不是正态的情况。
② 二分类的Logistic回归：因变量Y取值为0或1，一般我们将感兴趣的那一类取值为“1”
③ 在给定 X = x X=x X=x的情况下，因变量的条件分布是0—1分布，其条件期望实际上就是因变量在自变量的某种水平下取“1”的概率.
E ( Y ∣ X = x ) = 1 ⋅ P ( Y = 1 ∣ X = x ) + 0 ⋅ P ( Y = 0 ∣ X = x ) E(Y|X=x)=1\cdot P(Y=1|X=x)+0\cdot P(Y=0|X=x) E(Y∣X=x)=1⋅P(Y=1∣X=x)+0⋅P(Y=0∣X=x)
P ( Y = 1 ∣ X = x ) = p = e β 0 + β T x 1 + e β 0 + β T x P(Y=1|X=x)=p=\frac{e^{\beta_0+\beta^Tx}}{1+e^{\beta_0+\beta^Tx}} P(Y=1∣X=x)=p=1+eβ0+βTxeβ0+βTx
④ logit变化为
ln p 1 −
最低0.47元/天 解锁文章
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
