人工智能——逻辑回归，预测癌症案例

​何为逻辑回归？

普通线性回归是用来预测连续的变量，例如房价预测，逻辑回归是用来预测离散的变量，例如病理预测，广告点击率。逻辑回归是分类方法，用于二分类。

逻辑回归是解决二分法的利器

sigmoid 函数：将输出的值映射到0与1之间，也可以看成概率值。

Sigmoid函数的值域范围限制在(0,1)之间，我们知道[0,1]与概率值的范围是相对应的，这样sigmoid函数就能与一个概率分布联系起来了。

逻辑回归API：

#导入逻辑回归API
from sklearn.linear_model import LogisticRegression

逻辑回归预测是否患癌症案例，代码实现：

代码流程：

1，构造列名标签，也就是特征值

2，读取数据，通过网址得到案例的数据集

3，缺失值处理，通过浏览网址，我们会发现数据会有那种带有？号的数据          ， 所以我们需要进行缺失值处理

4，分割数据集，将数据集划分为训练集和测试集

5，算法实现，通过逻辑回归API进行预测

运行结果：

#导入读取数据模块
import pandas as pd
import numpy as np
#导入分割数据集API
from sklearn.model_selection import train_test_split
#导入标准化API
from sklearn.preprocessing import StandardScaler
#导入逻辑回归AP