Logistic 回归

概要：

logistic回归是一种分类方法，主要用于两分类问题。把线性模型的结果压缩到[0,1]之间，使其拥有了概率意义。

 

应用场景：

   分类。

 

优点：

实现简单，广泛地应用于工业问题上。分类时计算量非常小，速度很快，存储资源低。便利的观测样本概率分数。

 

缺点：

当特征空间很大时，性能不是很好。容易欠拟合，一般来说准确度不太高。只能处理两分类问题。（在此基础上衍生出来的softmax可以用于多分类），且必须线性可分。

 

 

伪代码：

设定最大迭代次数

设定学习速率