逻辑斯蒂回归（Logistic Regression）是一种常用的分类算法，其基本思想是通过拟合一个逻辑斯蒂函数来预测样本所属的类别。它广泛应用于各个领域，如医学、金融、市场营销等，具有较好的解释性和可解释性。在逻辑斯蒂回归中，我们通常使用的是二分类问题，即样本只属于两个类别中的一个。为了进行多类别的分类，可以采用一对多（One-vs-Rest）的方法，将多类别的问题转化为多个二分类问题。

虽然叫做逻辑斯蒂回归,但是不是回归算法是个分类算法.

而且这个逻辑斯蒂回归是基于线性运算的,分类模型

后面我们还会学习比如基于神经网络的分类器,是非线性的

SVM支持向量机的本质也是线性的.

我们之前学习的linear_model这个是线性模块,这里面的回归,包括,套索回归,弹性网络回归,岭回归,

线性回归,都是线性的,用来进行趋势的预测,还有曲线走势的数据拟合.

而这个逻辑斯蒂回归,是用来分类的

可以看到导入的库

from sklearn.linear_model import LogisticRegression

然后看一下逻辑回归的公式,

这个