逻辑回归

一：分类任务

任务：根据余额判断小明是否会去看电影；

训练数据：

余额为1、2、3、4、5，看电影（正样本）

余额为-1、-2、-3、-4、-5，不看电源（负样本）

作图：

二：线性回归预测

1. 预测结果

2. 存在问题

当样本量变大以后，准确率会下降；

当 x=1 时，受到很远处离散点的影响，预测结果开始出现偏差。

三：逻辑回归预测

1. 逻辑回归方程

2. 函数图像

3. 预测结果

由上可知，相比线性回归而言，采用逻辑回归拟合数据，可以更好的完成分类任务！

四：逻辑回归

1. 概念

用于解决分类问题的一种模型。

根据数据特征或者属性，计算其归属于某一类别的概念P(x)，根据概念数值判断其所属类别。

2. 应用场景

二分类问题

3. 数学表达式

逻辑回归方程，也称作 sigmoid 方程。

4. 典型逻辑回归概念分布曲线

5. 任务预测

根据余额判断小明是否会去看电影（余额-10，100）

逻辑回归方程：

带入参数值，获得结果：

结论：

余额 -10，即 y = 0，不去看电影；

余额 100，即 y = 1，去看电影；