logistic回归 原理

逻辑回归是一种广义线性模型，它是线性回归的一种扩展，用于处理二分类问题。逻辑回归通过引入Sigmoid函数（也称为逻辑函数）来引入非线性因素，将线性回归的结果映射到0和1之间的概率值。逻辑回归假设因变量服从二项分布，通过最大似然估计来确定模型参数。具体地说，逻辑回归通过计算特征的加权和，然后将加权和通过Sigmoid函数转换为概率值。在预测时，概率大于0.5的样本被分类为正例，概率小于等于0.5的样本被分类为负例。

逻辑回归有以下特点和优势：
1. 高效且计算量小，不需要缩放输入特征。
2. 可以输出校准好的预测概率。
3. 简单易于实现和理解。
4. 可以作为其他更复杂算法性能的基准。