第4章　逻辑回归

有了线性回归工具，我们就可以在数据集合关系比较简单的情况下进行趋势的判断了。但是，当数据标签呈现离散特性时，我们需要将模型替换为适合离散特性的逻辑回归或泛逻辑回归模型。逻辑回归模型其实仅在线性回归的基础上套用了一个逻辑函数，逻辑回归模型的最大优点是对分类可能性进行建模，这样可以很容易地克服由于数据量变大而产生的数据分布评估的困难。换句话说，有了标签化的数据之后，就可以立刻使用逻辑回归来训练模型并且预测分类结果。

本章主要介绍逻辑回归模型以及通过机器学习进行模型求解的过程。内容分为四部分：第一部分着重介绍逻辑回归的概念以及和线性回归的关系；第二部分分析逻辑回归的数学模型；第三部分着重分析泛逻辑回归的模型定义；第四部分是使用逻辑回归结合金融开源数据接口完成股价涨跌幅度预测的代码实例。