如何用逻辑回归做数据分析呢？
发布时间：2021-10-26 13:53:57 所属栏目：大数据 来源：互联网
导读：逻辑回归的原理 下图是之前讲到的线性回归模型的数据分布，线性回归是用一条线来拟合自变量和因变量之间的关系，我们可以看到其输出结果y是连续的。 例如我们想预测不同用户特征对所使用产品的满意分，可以采用线性回归模型；但是如果我们想根据这些因素去判
|
逻辑回归的原理
下图是之前讲到的线性回归模型的数据分布，线性回归是用一条线来拟合自变量和因变量之间的关系，我们可以看到其输出结果y是连续的。
例如我们想预测不同用户特征对所使用产品的满意分，可以采用线性回归模型；但是如果我们想根据这些因素去判断用户的性别，或者是否推荐使用等，之前的线性回归就不适用了，这时，我们就要用到逻辑回归进行二分类了。
但是分类模型输出结果却需要是离散的，如何把连续型的y转化为取值范围0-1的数值呢？
如何用逻辑回归做数据分析？
答案是，我们只需要将线性回归模型的结果带入到sigmoid函数（sigmoid函数就是Logistic函数，故本算法名为逻辑回归），即可将线性回归模型转化为二分类问题，这就是逻辑回归。我们可以这样理解：逻辑回归=线性回归+sigmoid函数
那么，什么是sigmoid函数呢？如图，当输入值趋于无穷小时，函数值趋近于0；输入值趋于无穷大时，函数值趋近于1。我们将线性回归结果y带入到sigmoid函数的x，即下图横坐标，就轻而易举的将连续变量y转换为了0-1区间的一个概率值。当这个概率值(函数值)小于0.5时，我们将最终结果预测为0，当概率值大于0.5时，我们将预测结果预测为1。
如何用逻辑回归做数据分析？
以上就是逻辑回归的基本原理，简述一下逻辑回归的算法步骤，可以概括为四步：
将自变量特征输入
定义自变量的线性组合y，即针对自变量线性回归
将线性回归结果y映射到sigmoid函数，生成一个0-1范围取值的函数概率值
根据概率值，定义阈值(通常为0.5)，判定分类结果的正负
（编辑：92站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
