逻辑回归
Coddy 机器学习入门 课程的第 15 课，共 19 课。
尽管名字中有“回归”，逻辑回归是一种线性模型，主要用于分类任务，而不是回归任务。它适用于预测某种情况是否存在，例如一封电子邮件是否为垃圾邮件。逻辑回归适用于二分类，也可以通过不同的方法扩展到多分类。
来源：维基百科
从本质上说，逻辑回归会预测给定输入点属于某个类别的概率。与预测连续输出的线性回归不同，逻辑回归预测的是二元结果（1/0，是/否）。逻辑回归的核心是逻辑函数，也称为 sigmoid 函数。它会将任意实数映射到 0 到 1 之间的值，因此适合用于概率估计。
拟合逻辑回归模型时，需要根据训练数据，为方程找到一组最佳系数。
逻辑回归在二分类任务中高效且简单，但面对复杂数据集时，其表现可能不如更复杂的模型。
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
挑战
简单创建一个名为 sigmoid 的函数，它接收一个表示数据点的列表，并返回 sigmoid 函数的输出。使用 numpy 来解决这个问题。
亲手试试
import numpy as np
def sigmoid(point):
arr = np.array(point)
# 在这里编写代码机器学习入门中的所有课
自己练习： Python 在线编译器