逻辑回归分类算法

首先明确,分类问题,”y”的值域一定是有限个,逻辑回归就是根据之前的数据,预测某事件为真的概率值 为什么分类问题不能用线性回归? 对于分类问题,y的取值为0或者1 如果使用线性回归i,那么线性回归模型的输出值可能远大于1或者远小于0 导致代价函数很大 回归模型 或者 python代码实现 z = numpy.dot(X, theta) h = 1/(1+numpy.exp(-z)) # exp: e 的多少次方 代价函数 x1 = X[:, 1] # 这里X是拼1之后的 x2 = -(theta[0] + theta[1]*x1)/theta[2] 在进行数据拼接之前,