逻辑回归(Logistic Regression)是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归。由 于算法的简单和高效，在实际中应用非常广泛。

要想掌握逻辑回归，必须掌握两点:
  逻辑回归中，其输入值是什么
  如何判断逻辑回归的输出

输入

逻辑回归的输入就是一个线性回归的结果。

激活函数

判断标准

回归的结果输入到sigmoid函数当中
        输出结果:[0, 1]区间中的一个概率值，默认为0.5为阈值

逻辑回归api介绍

sklearn.linear_model.LogisticRegression(solver='liblinear', penalty=‘l2’, C = 1.0) solver可选参数:{'liblinear', 'sag', 'saga','newton-cg', 'lbfgs'}，

默认: 'liblinear';用于优化问题的算法。 对于小数据集来说，“liblinear”是个不错的选择，而“sag”和'saga'对于大型数据集会更快。

对于多类问题，只有'newton-cg'， 'sag'， 'saga'和'lbfgs'可以处理多项损失;“liblinear”仅限于“one-versus- rest”分类。

penalty:正则化的种类

C:正则化力度