python 逻辑回归基本使用_python逻辑回归solver参数的适用条件-优快云博客

本文介绍了Python中的逻辑回归，包括其原理、损失与优化、API使用及分类评估方法。重点讲解了sigmoid激活函数、损失函数的理解、sklearn库中的LogisticRegression模型，并探讨了在样本不均衡情况下的评估问题，如精确率、召回率和AUC指标。

1. 逻辑回归介绍

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归，但是它与回归之间有一定的联系。由于算法的简单和高效，在实际中应用非常广泛。
广告点击率
是否为垃圾邮件
是否患病
金融诈骗
虚假账号

看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器

2. 逻辑回归原理

要想掌握逻辑回归，必须掌握两点：
1.逻辑回归中，其输入值是什么
2.如何判断逻辑回归的输出
2.1 输入

在这里插入图片描述
逻辑回归的输入就是一个线性回归的结果
2.2 激活函数
sigmoid函数

判断标准

回归的结果输入到sigmoid函数当中
输出结果：[0, 1]区间中的一个概率值，默认为0.5为阈值
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200519163149511.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3prcHl0aG9u,size_16,color_FFFFFF,t_70)
输出结果解释(重要)：假设有两个类别A，B，并且假设我们的概率值为属于A(1)这个类别的概率值。现在有一个样本的输入到逻辑回归输出结果0.6，那么这个概率值超过0.5，意味着我们