逻辑斯蒂回归（logistic regression）是一种常用的分类算法，其基本思想是通过拟合一个逻辑斯蒂函数来预测样本所属的类别。它广泛应用于各个领域，如医学、金融、市场营销等，具有较好的解释性和可解释性。在逻辑斯蒂回归中，我们通常使用的是二分类问题，即样本只属于两个类别中的一个。为了进行多类别的分类，可以采用一对多（one-vs-rest）的方法，将多类别的问题转化为多个二分类问题。
虽然叫做逻辑斯蒂回归,但是不是回归算法是个分类算法.
而且这个逻辑斯蒂回归是基于线性运算的,分类模型
后面我们还会学习比如基于神经网络的分类器,是非线性的
svm支持向量机的本质也是线性的.
我们之前学习的linear_model这个是线性模块,这里面的回归,包括,套索回归,弹性网络回归,岭回归,
线性回归,都是线性的,用来进行趋势的预测,还有曲线走势的数据拟合.
而这个逻辑斯蒂回归,是用来分类的
可以看到导入的库
from sklearn.linear_model import logisticregression
上传hadoop-3.2.1.tar.gz到node01服务器解压安装包命令：tar -zxvf hadoop-3.2.1.tar.gz删除hadoop-3.2.1.tar.gz压…
Simulink模型文件则可以用于建立车辆的控制算法和逻辑，通过与CarSim进行联合仿真，可以实现对车辆动态行为的准确模拟和评估。CarSim与Simulink两个强大的仿真工具…
计算机毕业设计hadoop+spark+hive物流大数据分析平台 仓储数据分析 物流预测系统 物流信息爬虫 物流大数据 机器学习 深度学习 知识图谱 大数据…
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
我要评论
发表评论