邏輯回歸也是機器學(xué)習(xí)領(lǐng)域最基礎(chǔ)的模型之一瓦宜，第一次見到邏輯回歸似乎覺得與昨天推的線性回歸相似，但是兩者的本質(zhì)是有很大的差別的亡电，雖說叫邏輯回歸疚顷，但是主要解決的是確是分類問題（二分類問題）。
在邏輯回歸中因變量的取值是二元分布峦朗，模型學(xué)習(xí)得出的是E[y|x;theat]建丧，最后得到的因變量是一個期望，最終通過期望來進行預(yù)測分類波势。
求解邏輯回歸的過程大致可以分為三步：
- 分析數(shù)據(jù)集翎朱，找到合適的預(yù)測分類函數(shù)
- 構(gòu)造損失函數(shù)
- 找到損失函數(shù)的最小值
在二分類問題中，通常用sigmoid作為預(yù)測分類函數(shù)尺铣，sigmoid函數(shù)公式如圖一所示
圖一sigmoid函數(shù)公式
圖二是sigmoid函數(shù)的圖像拴曲，從圖中我們可以看到，sigmoid函數(shù)圖像是一條取值介于0到1之間的S型曲線凛忿，當(dāng)x>0時澈灼，概率P>0.5，當(dāng)x<0時，概率P<0.5叁熔，因為sigmoid函數(shù)的這種屬性委乌，所以常用來作為二分類問題的預(yù)測分類函數(shù)。
圖二sigmoid函數(shù)圖像
