十六、机器学习进阶内容：线性回归和逻辑回归算法

文章目录

• 1、线性回归

• • 1.1 一元线性回归及实例
  • 1.2 多元线性回归及实例

• 2、Logistic Regression

  • 2.1 Logistic Regression与Linear Regression之间的区别
    • 2.2 Logical Function
    • 2.3 Logistic Regression的基本概念
    • 2.4 Loss Function及其参数求解方法
    • 2.6 Logistic Regression案例分析

1、线性回归

回归分析（Regression Analysis）是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，属于监督学习方法。回归分析的方法有很多种，按照变量的个数，可以分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系，可以分为线性回归分析和非线性回归分析。
线性回归的自变量和因变量之间是线性关系，可以采用线性预测函数进行建模。利用回归分析来确定多个变量的依赖关系的方程称为回归方程。如果回归方程所呈现的图形为一条直线，则称为线性回归方程。线性回归（Linear Regression）算法的核心是线性回归方程，通过在输入数据和输出数据之间建立一种直线的相关关系，完成预测的任务，即将输入数据乘以一些常量，经过基本处理就