逻辑回归是一种监督学习分类算法，用于预测目标变量的概率，目标或因变量的性质是二分法，这意味着将只有两种可能的类。
简而言之，因变量本质上是二进制的，其数据编码为1(代表成功/是)或0(代表失败/否)。
在数学上，逻辑回归模型预测P(Y=1)作为X的函数。它是最简单的ML算法之一，可用于各种分类问题，例如垃圾邮件检测，糖尿病预测，癌症检测等。
逻辑回归类型
通常，逻辑回归是指具有二进制目标变量的二进制逻辑回归，但是可以通过它预测两类以上的目标变量，基于这些类别，Logistic逻辑回归可以分为以下几种类型:
二进制或二项式
在这种类型的分类中，因变量将只有1和0这两种可能的类型，例如，这些变量可以表示成功或失败，是或否，赢或输等。
多项式
在这种分类中，因变量可以具有3种或更多可能的 无序 类型或无定量意义的类型。例如，这些变量可以表示"类型A"或"类型B"或"类型C"。
序数词
在这种分类中，因变量可以具有3种或更多可能的 有序 类型或具有定量意义的类型。例如，这些变量可以表示"差"或"好"，"非常好"，"优秀"，并且每个类别的分数都可以为0、1、2、3。
逻辑回归假设
在深入研究逻辑回归的实现之前，无涯教程必须了解以下关于相同的假设-
对于二进制逻辑回归，目标变量必须始终为二进制，并且期望输出由因子级别1表示。
模型中不应存在任何多重共线性，这意味着自变量必须彼此独立。
必须在模型中包括有意义的变量。
应该选择较大的样本量进行逻辑回归。
逻辑回归模型
Binary Logistic 模型 - Logistic逻辑回归的最简单形式是二进制或二项式Logistic回归,其中目标或因变量只能具有2种可能的类型,即1或0。
Multinomial Logistic 模型 - Logistic逻辑回归的另一种有用形式是多项式Logistic回归，其中目标或因变量可以具有3种或更多种可能的无序类型，即没有定量意义的类型。
分类算法 - 逻辑回归 - 无涯教程网无涯教程网提供逻辑回归是一种监督学习分类算法，用于预测目标变量的概率，目标或因变量的性质是二分...
https://www.learnfk.com/python-machine-learning/machine-learning-with-python-classification-algorithms-logistic-regression.html
