機器學習入門 - 邏輯回歸

來自專欄想用數據搞點事情

邏輯回歸

1. 邏輯回歸的定義

邏輯回歸（Logistic Regression）是用於處理因變數為分類變數的回歸問題，常見的是二分類或二項分布問題，也可以處理多分類問題，它實際上是屬於一種分類方法。

二分類問題的概率與自變數之間的關係圖形往往是一個S型曲線，如下圖所示：

• 分類變數：是說明事物類別的一個名稱，其取值是分類數據。如「性別」就是一個分類變數，其變數值為「男」或「女」；「行業」也是一個分類變數，其變數值可以為「零售業」、「旅遊業」、「汽車製造業」等。

2. 分類與回歸的區別

邏輯回歸不是回歸，而是分類

關於分類與回歸問題的區別，可以見下圖所示：

3. 在Python中實現邏輯回歸

• 建立數據集，並對數據集進行可視化

• 將數據集劃分為訓練數據和測試數據

• 建立邏輯回歸模型

• 評估模型

（模型準確率為25%，可能原因為數據量太少）

• 通過建立的模型，預測概率

（可以看出預測的概率值為99.5%）

後續

上一篇文章《機器學習入門 - 簡單線性回歸》中提及到的關於歌曲推薦等相關問題，在這一次的學習過程中，又得到了進一步的剖析。下一次的學習進程，將會把之前學到關於機器學習入門的相關知識來進行一次實踐，幫助我更好的理解以及加深印象。

推薦閱讀：