机器学习笔记（3）-逻辑回归

• 逻辑回归
• 损失及优化
• 精确率和召回率
• 分类评估报告

逻辑回归

解决二分类问题
什么是逻辑回归：逻辑回归是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归。由于算法的简单和高效性，在实际应用中非常广泛。
逻辑回归是一种分类算法
逻辑回归的计算方式：线性回归得到一个结果然后通过激活函数得到一个概率然后进行分类(sigmoid)，并且这个类别标记为1，其他标记为0（感觉是分两个不知道对不对）

损失及优化

线性回归的损失是通过最小二乘法来计算的，然后梯度下降优化。
逻辑回归选用的损失是对数似然损失，然后梯度下降更新权重数，提升原本属于1的概率，降低原本是0的概率。

API
from sklearn.linear_model import LogisticRegression(solver=‘liblinear’,penalty=‘l2’,C=1.0)
penalty:正则化类型
C：正则化力度

精确率和召回率

精确率：预测为正的里面预测正确的比例
召回率：预测为正并且正确的的占真实的为正的比例。

分类评估报告

sklearn.metrics.classification_report()
ret=classification_report(y_test,y_predict,labels=(2,4),target_names=(‘良性’，‘恶性’))

ROC曲线：
横轴：召回率
纵轴：所有真实类别为0，但是预测为1的。

标签：逻辑,机器,回归,分类,损失,算法,召回
来源： https://blog.csdn.net/m0_51607165/article/details/123419979