如何用逻辑回归做数据分析？

今天我们将学习逻辑回归(logistics regression)，由于逻辑回归是基于线性回归的特殊变化，故还没有掌握线性回归的小伙伴，可以先点击这里，传送门：如何用线性回归做数据分析？接下来，我将用最简单通俗的语言来为大家介绍逻辑回归模型及其应用。

逻辑回归是解决二分类问题的监督学习算法，用来估计某个类别的概率。其直接预测值是表示0-1区间概率的数据，基于概率再划定阈值进行分类，而求解概率的过程就是回归的过程。

 

逻辑回归应用于数据分析的场景主要有三种：

• 驱动力分析：某个事件发生与否受多个因素所影响，分析不同因素对事件发生驱动力的强弱（驱动力指相关性，不是因果性）；

• 预测：预测事件发生的概率；

• 分类：适合做多种分类算法、因果分析等的基础组件；

01

    

逻辑回归的原理

下图是之前讲到的线性回归模型的数据分布，线性回归是用一条线来拟合自变量和因变量之间的关系，我们可以看到其输出结果y是连续的。例如我们想预测不同用户特征对所使用产品的满意分，可以采用线性回归模型。但是如果我们想根据这些因素去判断用户的性别，或者是否推荐使用等，之前的线性回归就不适用了，这时，我们就要用到逻辑回归进行二分类了。但是分类模型输出