理解逻辑斯蒂回归 线性回归预测定量结果，而逻辑斯蒂回归预测定性结果，这样的结果可能是二值变量，也可能是多值变量，分析的任务是对一个观测属于结果变量的某个类别的概率做出预测，换句话说，算法的目的是对观测进行分类。有时候虚拟变量回归是可行的，但是必须满足不同类别之间的差别是相等的，是一个线性关系。另外，如果我们预测某个类别的概率，虚拟变量的预测值可能超出这个范围。 $$ P=P(Y=1|X) $$ $$ \overline{P}=P\left(Y=0|X\right) $$ $$ \ln\frac{P}{1-P}=\ln\frac{P(Y=1|X)}{1-P(Y=1|X)}=W\cdot X $$ $$ \Rightarrow P(Y=1|X)=\frac{1}{1+e^{-W\cdot X}} $$ P 为概率，P/(1-P) 为赔率，两个赔率之比为优势比。 从一个简单案例说 …