用于是非判断的逻辑回归
概率和决策阈值
用于是非判断的逻辑回归 是 CoddyKit 上的免费 Data Science Academy 课时。 这是第 1 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Data Science Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Data Science Academy 课程共包含 4 节课。
类别，而不是数值
分类预测的是类别，而不是数值。比如，这封电子邮件是垃圾邮件吗？这个是或否的答案正是我们想要得到的结果。✉️
是非问题的主力模型
逻辑回归是双类别问题的经典起点。它简单、快速，而且出人意料地难以超越。
它输出概率
尽管名字如此，逻辑回归返回的是一个介于 0 和 1 之间的概率，例如某位客户流失的概率为 0.82。
Sigmoid 压缩
名为 sigmoid 的曲线会将任意数值压缩到 0 到 1 的范围内。原始分数就是这样变成清晰概率的。
导入并创建
创建它的方式与其他估计器一样：导入该类，然后创建准备学习的模型对象。
from sklearn.linear_model import LogisticRegression
model = LogisticRegression()使用 fit 训练
使用 fit 将特征和标签交给模型，它就会学习用于区分两个类别的权重。
model.fit(X_train, y_train)预测标签
调用 predict 获取每一行对应的类别，为每个示例返回清晰的 0 或 1。
labels = model.predict(X_test)请求概率
想要原始的置信度吗？predict_proba 会给出每个类别的概率，让您看到模型有多确定。
probs = model.predict_proba(X_test)决策阈值
要将概率转换为标签，您需要将其与一个阈值进行比较，通常是 0.5。高于该值表示“是”，低于该值表示“否”。
移动阈值
您可以有意调高或调低这个阈值。更严格的界限会减少捕获的案例，但对每个捕获结果更有把握。
读取系数
每个特征都会得到一个系数。正系数会将预测推向“是”，负系数则推向“否”。
model.coef_快速检查
让我们确认一下逻辑回归实际上返回的是什么。
回顾
逻辑回归将特征转换为概率，然后由阈值决定是或否。简单、快速，是很好的第一个分类器。🎯
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「用于是非判断的逻辑回归」课时是免费的吗？
是的 — 「用于是非判断的逻辑回归」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Data Science Academy 课程的其余内容，请升级到 CoddyKit PRO。 Data Science Academy 课程共包含 4 节课。
「用于是非判断的逻辑回归」这节课中我会学到什么？
概率和决策阈值 你通过在浏览器中直接运行的动手代码来练习 Data Science Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Data Science Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Data Science Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 1 节课，共 4 节。
「用于是非判断的逻辑回归」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Data Science Academy 课中编写并运行代码吗？
能。每节 Data Science Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。