目錄
邏輯回歸LoR算法的簡介
邏輯回歸LoR算法的應用
1、邏輯回歸可視化
邏輯回歸LoR算法的經典案例
邏輯回歸最适合二進制分類（y = 0或1的資料集，其中1表示預設類）。例如：在預測事件是否發生時，發生的事件被分類為1。在預測人會生病或不生病，生病的執行個體記為1）。它是以其中使用的變換函數命名的，稱為邏輯函數h(x) =1 / （1+e-x），它是一個S形曲線。
在邏輯回歸中，輸出是以預設類别的機率形式出現的。因為這是一個機率，是以輸出在0-1的範圍内。輸出（y值）通過對數轉換x值，使用對數函數h(x) = 1 /（1+e-x）來生成。然後應用一個門檻值來強制這個機率進入二進制分類。
上圖判斷了惡性良性腫瘤是惡性還是良性。預設變量是y = 1（惡性良性腫瘤=惡性）；x變量可以是惡性良性腫瘤的資訊，例如惡性良性腫瘤的尺寸。如圖所示，邏輯函數将資料集的各種執行個體的x值轉換成0到1的範圍。如果機率超過門檻值0.5（由水準線示出），則将惡性良性腫瘤分類為惡性。
邏輯回歸的目标是使用訓練資料來找到系數b0和b1的值，以使預測結果與實際結果之間的誤差最小化。這些系數是使用最大似然估計來計算的。
TF之LoR：基于tensorflow利用邏輯回歸算LoR法實作手寫數字圖檔識别提高準确率
ML之LoR：LoR之二分類之線性決策算法實作根據兩課成績分數~預測期末通過率(合格還是不合格)
ML之LoR：利用LoR二分類之非線性決策算法案例應用之劃分正負樣本