1.模型原理
逻辑回归是一种用于二分类问题的统计学习方法，尽管名字中含有“回归”，但实际上是一种分类算法。它的基本原理是通过建立一个线性模型，然后将线性输出映射到一个概率值，最终将这个概率值转换成二分类的预测结果。
下面是逻辑回归的基本原理：
-
线性模型： 首先，逻辑回归建立一个线性模型，将特征的线性组合映射到一个连续的实数范围。对于一个有n个特征的样本，线性模型可以表示为：
z = b + w 1 x
逻辑回归是一种用于二分类问题的统计学习方法，尽管名字中含有“回归”，但实际上是一种分类算法。它的基本原理是通过建立一个线性模型，然后将线性输出映射到一个概率值，最终将这个概率值转换成二分类的预测结果。
下面是逻辑回归的基本原理：
线性模型： 首先，逻辑回归建立一个线性模型，将特征的线性组合映射到一个连续的实数范围。对于一个有n个特征的样本，线性模型可以表示为：
z = b + w 1 x
道可道，非常道；名可名，非常名。 无名，天地之始，有名，万物之母。 故常无欲，以观其妙，常有欲，以观其徼。 此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。