1.邏輯迴歸模型

按照音譯logistic regression應該是邏輯斯蒂迴歸，太難聽了，就簡稱邏輯迴歸吧。

1.1 二項邏輯迴歸模型

二項邏輯迴歸模型是一種二分類模型，儘管它叫“迴歸”。
模型如下：

1.2模型的引數估計

極大似然估計：已知某個引數能使這個樣本出現概率最大，我們當然不再選擇其他小概率樣本，就把這個引數作為估計的真實值。

似然函式： 也就樣本出現的概率。

對於邏輯迴歸模型，可以應用極大似然估計法估計模型引數。
給定訓練資料T={(x1,y1),(x2,y2),...(xN,yN)}，xi∈Rn,yi∈{0,1}
對於邏輯迴歸，其似然函式為：

1.3自己的體會

其實邏輯迴歸可以看做是單層神經網路，輸入層是N個神經元，輸出就是兩個神經元，使用的啟用函式是sigmod

1.4實現

以前用TensorFlow寫過邏輯迴歸，這裡就不寫了，使用sklearn工具實現以下。

#coding:utf-8

import numpy as np
from sklearn.linear_model import LogisticRegression

X = np.array([[0.1,0.2],[0.2,0.3],[1.5,1.8],[2.1,2.6]])
Y = np.array([0,0,1,1])

lr = LogisticRegression()  # 這裡有許多引數需要設定
lr.fit(X,Y)
pred = lr.predict([[1.6
 
,2.0]])
print(pred)
>>>
[1]

# setting an array element with a sequence.意思是資料的行數列數不匹配