分类:对离散型变量进行预测(二分类、多分类)
回归:对数值型变量进行预测
区别:回归的y为数值连续型变量;分类的y是类别离散型变量
1. 分类问题示例:信用卡
从x1:职业,x2:收入等等信用卡申请人不同的信息维度,来判断y:是否发放信用卡,发放哪一类信用卡
2. 分类经典方法:logistic回归(二分类)
虽然名字里有回归二字,但logistic回归解决的是分类的问题
回归得到的数值y可以看做属于类别1的概率:
下图为logistic函数(也叫sigmoid函数)图像
二分类到多分类:通过One vs. Rest
使用logistic进行多分类,scikit-learn 会默认采用OvR方法:
为每个类别分别建立一个二分类器
训练中正例为该类别样本,负例为所有其他样本
在所有分类中,选择概率最高的那个类别
如iris数据集中有三个类别,选择使用logistic回归进行分类,则需要训练三个分类器,根据每个样本隶属不同类的概率大小来进行分类
3. scikit learn 实现logistic回归
载入iris数据集
实现logistic回归
果然好了很多!