第5章 Logistic回归

 

介绍：

回归：用一条直线对已知数据点进行拟合的过程称作回归。

利用Logistic回归进行分类的主要思想：根据现有数据对分类边界线建立回归公式，以此进行分类。

回归的关键在于寻找最佳拟合参数，使用的是最优化算法。

Logistic回归的一般过程：

1 收集数据---2 准备数据---3 分析数据---4 训练算法（目的是找到最佳的分类回归系数，占用大部分时间）---5 测试算法 

---6 使用算法（将数据转换为对应的结构化数值，基于训练得到的回归系数进行简单的回归计算，并判断类别）

5.1 基于Logistic回归和Sigmoid函数的分类

期待的函数：根据所有的输入然后预测出类别。若有两个分类，则输出为0/1.

单位阶跃函数：该函数在跳跃点上从0瞬间跳到1，该过程有时很难处理。

Sigmoid函数：有单位阶跃函数相似的性质，且在数学上更易处理。

计算公式和函数图像如下：

当x为0时，函数值为0.5。随着x值的增大，函数值将逼近于1。随着x的减小，函数值将逼近于0.Logistic回归分类器：在每个特征上都乘以一个回归系数，然后把所有的结果值相加，将这个总和带入到Sigmoid函数中，进而得到一个范围在0-1之间的数值。任何大于0.5的数据被分入1类，小于0.5被归入0类。

                                                        z=w0x0&