Logistic回归

Logistic回归
该算法使用海维塞得阶跃函数进行二值分类，训练算法的过程就是在寻找回归系数。分类时用回归系数和输入向量的点乘计算阶跃函数的参数，寻找回归系数的过程可以使用梯度上升法，选择移动量最大的方向来迭代更新系数

优点

计算代价不高，易于理解和实现

缺点

容易欠拟合，分类精度可能不高

适用数据类型

数值型和标称型数据

一般过程

1. 收集数据
2. 准备数据：由于需要进行距离计算，因此要求数据类型为数值型。另外结构化数据格式则最佳
3. 分析数据
4. 训练算法：大部分时间将用于训练，训练的目的是为了找到最佳的分类回归系数
5. 测试算法：一旦训练步骤完成，分类将会很快
6. 使用算法：首先，我们需要输入一些数据，并将其转换成对应的结构化数值。接着，基于训练好的回归系数就可以对这些数值进行简单的回归计算，判断它们属于哪个类别。在这之后，我们就可以在输出的类别上做一些其它分析工作