Lesson 19 邏輯回歸
針對因變量為分為變量而進(jìn)行回歸分析的一種統(tǒng)計方法坎弯，屬于概率型非線性回歸
優(yōu)點：算法易于實現(xiàn)和部署鳞仙，執(zhí)行效率和準(zhǔn)確度高
缺點：離散型的自變量數(shù)據(jù)需要通過生成虛擬變量的方式來使用
對離散型自變量進(jìn)行對數(shù)變換
Sigmoid函數(shù) - 歸一化
g(y) = 1 / (1+e-y)
Sigmoid Function
當(dāng)只有兩種值時漓柑，會去掉一個值做的列拣宏，因為模型共軛性
虛擬變量（dummy variables）
又稱啞變量或離散特征編碼零聚，可用來表示分類變量谆吴，非數(shù)量因素可能產(chǎn)生的影響
- 離散特征的取值之間有大小的意義：
尺寸（L, XL, XXL） - 離散特征取值之間沒有大小的意義：
顏色（Red, Blue, Green）
如果離散特征的取值之間有大小的意義，可用下面的函數(shù)處理：
pandas.Series.map(dict)
#dict為映射的字典
