机器学习中的逻辑回归即为对数几率回归

机器学习算法之逻辑回归（对数几率回归）- 做分类的

一、概述：

逻辑回归（logistic regression）也是一种广义线性模型类别，在统计学中被广泛应用。它也被认为是一种分类算法，在机器学习领域具有重要地位。该方法不仅适用于数据分析工作中的预测任务，在疾病自动诊断等领域的研究中也得到了广泛应用

1、几率

几率：一个时间发生的概率 / 不发生的概率

2、逻辑

逻辑：指的是logistic function

3、回归

回归基于线性回归模型Z = XW的形式。利用线性回归模型拟合出一个"分界面"，通过该分界面将数据样本划分为正类别和负类别两类。当Z> 0时，则判定该样本属于正类别（其归属概率接近1），而当Z< 0时，则判定该样本属于负类别（其归属概率接近0）。这种分类方法的本质是利用回归的思想来解决分类问题，并设定一个概率阈值（此处为0.5）作为判断标准。

二、作用

总体而言, 逻辑回归用于预测因变量为仅有两个取值(0和1)的离散型变量, 并提供相应的概率估计.

三、模型

灵感过程

想要解决一个分类问题，从简单的二分类先开始

数据标签是（1/0）

可以使用最简单的单位阶跃函数

在解决迭代优化问题时需要用到微分与导数；然而由于阶跃函数具有不连续性这一缺陷；因此可以替代使用