逻辑回归算法-龙珠规划一，逻辑回归算法原理逻辑回归（Logistic Regression）属于机器学习-监督学习-分类。
逻辑回归（Logistic Regression）主要解决二分类问题，表明可能发生的事情。
逻辑回归本质上是线性回归，只是将特征线性化为从特征到结果的映射，然后添加了使用函数g[z]作为假设函数预测的函数sigmoid函数映射。 g(z )函数可以将连续值映射到0和1。 logistic回归的假设函数如下，线性回归的假设函数只有x
二、物流回归的优缺点优点：
简单实现，广泛应用于工业问题； 分类时计算量非常小，速度快，存储资源低； 对于方便的观测样本概率分数逻辑回归，多重共线性不是问题，可以结合L2正则化解决这个问题； 计算成本不高，易于理解和实现缺点：
特征空间较大时，逻辑回归性能不佳；欠拟合容易，一般精度不高，只有两个分类问题能处理好大量的多种特征和变量，据此派生的softmax可以用于多分类，http://www.Sina