Python数据分析——基于逻辑回归的肿瘤预测实验

Python数据分析——基于逻辑回归的肿瘤预测实验

前两天参加人工智能比赛，生了一场病，嗓子哑的说不出话。虽然这也不是偷懒的理由，但意志确实是有所消沉。最近手里也没有要忙的事情了，沉下心来敲敲代码，搞搞科研（改论文）~

一、 实验准备

1.1 实验概述

逻辑回归（Logistic Regression）
logistic回归是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法，是二分类问题的概率与自变量之间的关系图形往往是一个S型曲线，采用的Sigmoid函数实现。

也是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。logistic回归的因变量可以是二分类的，使用sigmoid进行处理，如下图所示：

Sigmoid函数由下列公式定义，f(x)=$\frac{}{1+e^{-x}}$