logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为“是”或“否”，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。

1、逻辑回归是用来做什么的呢？

        回答：用来解决二分类问题

2、专业术语：

• 样本：就是一行一行数据，采集数据

• 特征：类似于mysql中的列

• 标签列：又叫做结果列

3、回归和分类的区别？

通过输出结果可以判断出是连续问题，还是离散问题 。

• 回归模型的输出是连续的

• 分类模型输出的是离散的

4、案例(左分类，右回归)

5、逻辑回归公式

逻辑回归=线性回归+sigmoid函数br

    其实就是我们数学中的一条直线，让现实数据，尽可能均匀落到该线的两侧，来实现正常分布

6、如何把回归编程分类？

在该图中，将x<=14划分为一类。x>14分为另为一类，实现二分类问题。

7、Sigmoid函数

上图为Sigmoid函数曲线图，x=0的位置可以将数据y=0.5，得到数据二分类。

8、Sigmoid函数作用

9、逻辑回归公式

10、判断算法好坏-损失函数

11、评价二分类模型

    混淆矩阵、召回率、精确率、准确率

TP/TN/FP/FNT:TrueF :falseP:positiveN:Negativebr

11.1、准确率(accucry)

准确率(accucry)=总样本中预测对了多少？br

案例：

11.2、精确率(procision)

精确率(procision)=预测为正的样本中实际为正的有多少？br

案例：

11.3、召回率(Recall)

召回率(Recall)=实际为正的样本中有多少被预测为正了br

案例：

11.4、F1计算公式

F1就是为了让一个评价指标里，既能体现查准率，又能体现召回率而出现的公式br