Logistic回歸簡介和相關的PYTHON實作

        在資料模組化過程中，就有機器學習的監督學習而言，通常會有一個目标變量（因變量）和若幹個可能會對目标變量産生影響的變量（自變量），選用一個模型，結合訓練資料集（XY已知）進行訓練拟合，再用模型去進行預測。在模型的選擇中，Y的分布類型可能會對模型的性質産生影響，通常情況下，因變量Y為正态分布的數值型變量時，采用的是回歸預測方式，如線性回歸等；因變量Y為貝努利分布的類别變量時，所采用的模型應該是一個分類器，而Logistic回歸就是其中之一。

Logistic回歸介紹：

        二分類問題的Logistic模型的基本形式如下：

       因變量Y可能屬于0或者1兩個類别，n為自變量的數量，輸出的結果為Y屬于1類的機率，機率值P隻能介于0和1之間，當P越接近于1，則說明Y越可能屬于1類，否則，Y就越可能屬于0類。

       就邏輯曲線的形狀特征而言，越遠離曲線的中心點（自然對樹的指數結果為0，P等于0.5），