07-机器学习_(lineage回归分类算法与应用).docx

机器学习算法 day04_Logistic 回归分类算法及应用 课程大纲 Logistic Logistic 回归分类算法原理 Logistic 回归分类算法案例 Logistic 回归分类算法补充 Logistic 回归分类算法概述 Logistic 回归分类算法思想 Logistic 回归分类算法分析 算法要点 案例需求 Python 实现 Sigmoid 函数 返回回归系数 线性拟合线 线性逻辑回归的数学原理 课程目标： 1、理解决策树算法的核心思想 2、理解决策树算法的代码实现 3、掌握决策树算法的应用步骤：数据处理、建模、运算和结果判定 1. Lineage 逻辑回归分类算法 1.1 概述 Lineage 逻辑回归是一种简单而又效果不错的分类算法 什么是回归：比如说我们有两类数据，各有 50 十个点组成，当我门把这些点画出来，会有 一条线区分这两组数据，我们拟合出这个曲线(因为很有可能是非线性)，就是回归。我们 通过大量的数据找出这条线， 并拟合出这条线的表达式， 再有新数据， 我们就以这条线为区 分来实现分类。 下图是一个数据集的两组数据，中间有一条区分两组数据的线。 显然，只有这种线性可分的数据分布才适合用线性逻辑回归 1.2 算法思想 Lineage 回归分类算法就是将线性回归应用在分类场景中 在该场景中，计算结果是要得到对样本数据的分类标签，而不是得到那条回归