Machine Learning in Action 学习笔记-（5）Logistic回归

logistic回归将会首次为我们引入最优化算法的分析思维，在对一系列点通过一条直线进行拟合的过程就是线性回归。

寻找最佳的拟合参数，就需要用到我们常用的最优化算法。

这里因为是进行二分类，所以可以使用Sigmoid函数实现分类。

将线性回归问题转变为了最佳回归系数的迭代选择。

梯度上升算法，随机梯度上升算法等都可以被用于这个最佳回归系数的选择过程。

在预处理数据时，我们可以通过对缺失数据的合理填充来进行数据准备。

这里，针对SIgmoid算法我们可以设缺失数据的缺失值为0，这样weighted=weighted就不会因为这个缺失的数据而改变，sigmoid(0)=0.5，也不会受数据缺失而造成偏向。