摘要：
##OvO与OvR 前文书道，逻辑回归只能解决二分类问题，不过，可以对其进行改进，使其同样可以用于多分类问题，其改造方式可以对多种算法（几乎全部二分类算法）进行改造，其有两种，简写为OvO与OvR OvR one vs rest，即一对剩余所有，如字面意思，有的时候称为OvA，one vs all 阅读全文
摘要：
##在逻辑回归中使用多项式特征以及在sklearn中使用逻辑回归并添加多项式 ###在逻辑回归中使用多项式特征 在上面提到的直线划分中，很明显有个问题，当样本并没有很好地遵循直线划分（非线性分布）的时候，其预测的结果是不太准的，所以可以引用多项式项，从线性回归转换成多项式回归，同理，为逻辑回归添加多 阅读全文
摘要：
##决策边界 逻辑回归的原理详见这里 总的来说，可以总结为一个式子 而决策边界就是 其为两个为两个向量的点乘，同时也可以代表一条直线，如果X有两个特征 转换成可以具体实现的式子以后可以得到 具体的实现 （在notebook中） 使用自己编写的回归算法，且依旧使用鸢尾花数据集 import numpy 阅读全文
摘要：
##实现逻辑回归算法 实现代码 在python chame中创建LogisticRegression.py文件，写入想要实现的功能 其中，可以将原先的LinearRegression复制过来，详情可见以前的关于线性回归的博客，修改类名，不用的功能直接删除，添加上sigmoid函数以及计算结果概率向量 阅读全文
摘要：
##逻辑回归算法 逻辑回归算法的概念不咋叙述 逻辑回归算法看上去是解决回归问题的算法，但是其实是解决的分类问题，那么回归算法是如何解决分类问题呢？逻辑回归的原理是将样本的特征和样本发生的概率联系起来，即预测这个样本的发生概率是多少，而这个概率是一个数，因此可称这个为回归问题 对于机器算法来说，其本质 阅读全文