大家好，欢迎来到IT知识分享网。
逻辑回归：
逻辑回归是一种用于二分类问题的统计模型，它通过Sigmoid函数将线性回归模型的输出映射到0到1之间，表示事件发生的概率。模型通过最大化似然函数来估计参数，从而预测新数据的分类。尽管称为“回归”，它实际上用于分类任务，是机器学习中的一个基础算法。
优点：实现简单，易于理解和实现;计算代价不高，速度很快，存储资源低
缺点:容易欠拟合，分类精度可能不高
实战练习：
推荐工具：析易数据分析平台（http://data.easyaier.com/sci/index）
案例：在鸢尾花数据集中，有三种不同分类的鸢尾花类别。本次案例实现利用逻辑回归模型对鸢尾花进行分类训练，并根据花萼长度、花萼宽度、花瓣长度、花瓣宽度对鸢尾花种类进行预测。
数据集：鸢尾花数据集（包含SepalLength,SepalWidth,PetalLength ,PetalWidth,target等5项数据列，共150条数据。）
操作流程：
步骤1：导入个人数据：数据与报告→我的数据→上传数据
步骤2：打开逻辑回归分类功能：机器学习→多分类算法→逻辑回归（多分类）
步骤3：选定数据集：鸢尾花数据集
步骤4：设置自变量：SepalLength,SepalWidth,PetalLength ,PetalWidth
步骤5：设置因变量：target
步骤6：填写随机种子等参数（在本案例中使用默认参数，用户可根据个人需求自行设置）
步骤7：生成分析报告
步骤8：模型预测：机器学习→模型预测→普通模型预测，设置数据集和因变量，选择刚刚生成的逻辑回归分类模型。
步骤9：生成预测结果
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/182958.html
