逻辑回归是一种常用于二分类问题的算法，尽管其名称中含有回归，但实际上它处理的是分类任务。它通过线性求和特征后应用Sigmoid函数将结果转化为概率，概率大于0.5的归为一类，小于0.5的归为另一类。Logistic Regression (LR) 的核心在于Sigmoid函数，该函数将连续的线性输出转化为(0,1)区间内的概率值，从而实现分类。
逻辑回归的本质是线性回归，只是在特征到结果的映射上加入了一层Sigmod函数映射，即先把特征线性求和，再使用Sigmoid函数转为概率求解，大于0.5的分为1类，小于0.5的分为0类，进行分类。
逻辑回归一般用于预测连续变量，不用于分类问题上，但是他用在二分类问题上可以表现的很好。
逻辑回归Logistic Regression,简称LR。它的特点是能够把我们的特征输入集合转化为0和1这两类的概率。逻辑回归的本质是线性回归，只是在特征到结果的映射上加入了一层Sigmod函数映射，即先把特征线性求和，再使用Sigmoid函数转为概率求解，大于0.5的分为1类，小于0.5的分为0类，进行分类。
Logistic函数（或称为Sigmoid函数），函数形式为：
案例：
扫一扫
735
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
