逻辑回归用回归方法解决分类的问题,是建立在线性回归的基础之上的,线性模型输出结果是负无穷到正无穷的连续值,而逻辑回归输出的是「0,1」之间的概率值,这会用到一个很重要的函数sigmoid函数(或称为Logistic函数):
逻辑回归从其原理上来说,逻辑回归其实是实现了一个决策边界:对于函数,当z≥0 时,y≥0.5,分类为1,当 z<0时,y<0.5,分类为0,其对应的y值我们可以视为类别1的概率预测值。
对于模型的训练而言:实质上来说就是利用数据求解出对应的模型的特定的ω。从而得到一个针对于当前数据的特征逻辑回归模型。
而对于多分类而言,将多个二分类的逻辑回归组合,即可实现多分类。