Logistic 迴歸-原理及應用
阿新 • • 發佈：2020-12-22
> **公號：碼農充電站pro**
> **主頁：**
上一篇文章介紹了[線性迴歸模型](https://www.cnblogs.com/codeshell/p/14166821.html)，它用於處理迴歸問題。
這次來介紹一下 **Logistic 迴歸**，中文音譯為**邏輯迴歸**，它是一個**非線性模型**，是由**線性迴歸**改進而來（所以邏輯迴歸的名字中帶有“迴歸”二字）。
雖然 **Logistic 迴歸**的名字中也有**迴歸**二字，但是該演算法並非用於迴歸問題，而是用於處理**分類問題**，主要用於處理二分類問題，也可以用於處理多分類問題。
### 1，Logistic 迴歸模型
**Logistic 迴歸模型**將一個事件出現的概率適應到一條**S 型曲線**上，這條曲線稱為 **Logistic 曲線**。
**Logistic 迴歸函式**也叫做 **Sigmoid 函式**，其基本形式如下：
其中：
- g(z) 的範圍為 (0, 1)
- z 的範圍為 (-∞, +∞)
**g(z)** 公式中的自變數 **z** 就是我們之前介紹的[線性模型](https://www.cnblogs.com/codeshell/p/14166821.html)公式：
### 2，畫出 Logistic 曲線
[NumPy](https://numpy.org/) 庫中的 [linspace(start, stop, num)](https://numpy.org/doc/stable/reference/generated/numpy.linspace.html) 方法在 `[start, stop]` 範圍內生成 `num` 個等距的數字，比如：
```python
>