logistic回归

基础入门

1.logistic-sklearn库官方介绍英文版 作者：开源库 http://scikit-learn.org/stable/supervised_learning.html#supervised-learning

可参照官方教材进行学习，适合有一定英语基础，对sklearn有更深认识。

2.scikit-learn 0.18 中文文档 作者：ApacheCN Apache中文网 http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181 中文教材，参照上面的英文教材一起学习。

3.Logistic回归 作者：王大宝的CD http://blog.csdn.net/sinat_22594309/article/details/55806004

描述：在实际的运用中，特别是一些封装好的库中，它把Logistic和softmax回归封装在了一起，它可以自动根据你分类的数量决定用哪一种回归，所以完全不用你多操心。下次再写个demo演示一下softmax回归吧

4.Logistic回归原理及公式推导 作者：AriesSurfer http://blog.csdn.net/ariessurfer/article/details/41310525

描述：Logistic回归为概率型非线性回归模型，是研究二分类观察结果 与一些影响因素 之间关系的一种多变量分析方法。通常的问题是，研究某些因素条件下某个结果是否发生，比如医学中根据病人的一些症状来判断它是 否患有某种病。

5.【机器学习笔记1】Logistic回归总结 作者：laoliulaoliu http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=9162199&id=4223505

描述：看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的LogisticRegression部分，写下此篇学习笔记总结一下。 首先说一下我的感受，《机器学习实战》一书在介绍原理的同时将全部的算法用源代码实现，非常具有操作性，可以加深对算法的理解，但是美中不足的是在原理上介绍的比较粗略，很多细节没有具体介绍。所以，对于没有基础的朋友（包括我）某些地方可能看的一头雾水，需要查阅相关资料进行了解。所以说，该书还是比较适合有基础的朋友。

6.Logistic回归-话题精华 作者：知乎官方收集

https://www.zhihu.com/topic/19842407/top-answers

7.对线性回归，logistic回归和一般回归的认识 作者：JerryLead 转载自：http://www.cnblogs.com/jerrylead http://www.cnblogs.com/jerrylead/archive/2011/03/05/1971867.html

描述： 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题，回归属于有监督学习中的一种方法。该方法的核心思想是从连续型统计数据中得到数学模型，然后将该数学模型用于预测或者分类。该方法处理的数据可以是多维的。 讲义最初介绍了一个基本问题，然后引出了线性回归的解决方法，然后针对误差问题做了概率解释。之后介绍了logistic回归。最后上升到理论层次，提出了一般回归。

8.Logistic回归 作者：红黑联盟 https://www.2cto.com/database/201609/550829.html

描述：假设现在有一些数据点，我们用一条直线对这些点进行拟合（该线称为最佳拟合直线），这个拟合过程就称作回归。利用Logistic回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此进行分类。这里的“回归”一词源于最佳拟合，表示要找到最佳拟合参数集。训练分类器时的做法就是寻找最佳拟合参数，使用的是最优化算法。接下来介绍这个二值型输出分类器的数学原理。

9.机器学习实战ByMatlab（5）：Logistic Regression 作者：Liu_LongPo的专栏（@Liu_LongPo）
http://blog.jobbole.com/86922/

描述：这里的”回归“一词源于最佳拟合，表示要找到最佳拟合参数集。训练分类器时的嘴阀就是寻找最佳拟合曲线，使用的是最优化算法。

10.Logistic 回归与梯度上升算法 作者：sbp810050504 http://sbp810050504.blog.51cto.com/2799422/1608064/

描述：对于Logistic回归模型而言，需要读者具有高等数学、线性代数、概率论和数理统计的基础的数学基础。高等数学部分能理解偏导数即可；线性代数部分能理解矩阵乘法及矩阵转置即可；概率论和数理统计能理解条件概率及极大似然估计即可。

11.二分类与多分类Logistic回归模型 作者：云云 http://www.docin.com/p-1077609363.html

12.SPSS学习笔记之——二项Logistic回归分析 作者：王江源 http://blog.sina.com.cn/s/blog_44befaf601015pqu.html

描述：Logistic回归主要用于因变量为分类变量（如疾病的缓解、不缓解，评比中的好、中、差等）的回归分析，自变量可以为分类变量，也可以为连续变量。他可以从多个自变量中选出对因变量有影响的自变量，并可以给出预测公式用于预测。 因变量为二分类的称为二项logistic回归，因变量为多分类的称为多元logistic回归。

13.SPSS统计分析案例：多项logistic回归分析 作者：SPSS案例 http://www.datasoldier.net/post/dxlog.html

描述：小兵博客几年前分享的 二项logistic回归分析案例 非常受欢迎，在实际应用中，可能还会碰到因变量是多个分类的情况，并且不包含排序信息。比如视力分为轻度、中度、重度三个水平，此时如果想考察影响视力评价的指标，常用的二项logistic回归已经无法胜任。

14.逻辑回归LogisticRegression分析鸢尾花数据 作者：Eastmount http://blog.csdn.net/eastmount/article/details/77920470

描述：回归算法作为统计学中最重要的工具之一，它通过建立一个回归方程用来预测目标值，并求解这个回归方程的回归系数。本篇文章详细讲解了逻辑回归模型的原理知识，结合Sklearn机器学习库的LogisticRegression算法分析了鸢尾花分类情况。更多知识点希望读者下来后进行拓展，也推荐大学从Sklearn开源知识官网学习最新的实例。

进阶文章

视频教程

报告

Github 代码

名人主页