逻辑回归原理及sklearn.linear_model.LogisticRegression的参数说明

一）逻辑回归原理
逻辑回归（Logistic Regression），是一种用于二分类（binary classification）的算法。和前面讲的支持向量机一样，也可以可以通过搭建多个二分类器进行多分类。

逻辑回归的底层基于线性回归。通过输入的样本数据，基于多元线性回归模型求出线性预测方程：
图一

通过线性回归方程返回的是连续值，不可以直接用于分类业务模型，所以急需一种方式使得将连续的预测值->离散的预测值. (-∞,+∞) -> {0,1}
图二

该逻辑函数当x>0， y>0.5； 当x<0， y<0.5； 可以把样本数据经过线性预测模型求得的值带入逻辑函数的x，将预测函数的输出看做划分为1类别的概率，由此可以根据函数值确定两个分类。sigmoid函数也是线性函数非线性化的一种方式。

二）sklearn.linear_model.LogisticRegression的参数及说明
老规矩，先贴官网文档：
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression
skle