数理统计中逻辑回归模型及鸢尾花分类Python代码实现

文章目录

• 前言

  • 一、逻辑回归模型

    • 1.1理论基础
      • 1.2算法的核心思路
      • 1.3S型函数
      • 1.4目标函数

  • 二.逻辑回归实现二分类

  • • 2.1模型训练与预测
    • 2.2计算概率
    • 2.3绘制决策边界

  • 三、逻辑回归实现多分类

前言

本篇旨在深入掌握逻辑回归模型的核心知识，并运用逻辑回归技术完成分类任务的学习过程。

一、逻辑回归模型

1.1模型简介

逻辑回归本质上是一种分类技术；它主要应用于分析一组样本数据以实现分类目标。基于提供的数据集构建模型；从而能够预测未见的新数据样本的类别归属。

1.2 算法的分类思想

逻辑回归实现分类的思想在于：对每条样本进行评分后设定一个门槛（threshold），超过该门槛的部分被归入一类；未达到该类别的样本则被归入另一类。关于门槛的选择较为灵活，在不同的应用场景中可以选择不同的分类标准；但必须确保所有划分使用的标准一致。

对于逻辑回归，模型的前面与线性回归类似：

值得注意