[Sklearn] ロジスティック回帰アルゴリズムに基づくデータ分類予測(Excelでデータを直接置換可能)
1. モデル原理
ロジスティック回帰は、バイナリ分類問題の統計的学習方法であり、名前に「回帰」という言葉が含まれていますが、実際には分類アルゴリズムです。その基本原理は、線形モデルを構築し、次に線形出力を確率値にマッピングし、最後にこの確率値を 2 つの分類の予測結果に変換することです。
以下はロジスティック回帰の基本原理です。
-
線形モデル:まず、ロジスティック回帰は、特徴の線形結合を実数の連続範囲にマッピングする線形モデルを構築します。n 個の特徴を持つサンプルの場合、線形モデルは次のように表すことができます。
z = b +