為什么需要邏輯回歸

擬合效果太好

?? ? ??特征與標簽之間的線性關系極強的數據，比如金融領域中的 信用卡欺詐，評分卡制作，電商中的營銷預測等等相關的數據，都是邏輯回歸的強項。雖然現在有了梯度提升樹GDBT，比邏輯回歸效果更好，也被許多數據咨詢公司啟用，但邏輯回歸在金融領域，尤其是銀行業中的統治地位依然不可動搖（相對的，邏輯回歸在非線性數據的效果很多時候比瞎猜還不如，所以如果你已經知道數據之間的聯系是非線性的，千萬不要迷信邏輯回歸）；

邏輯回歸計算快?????

???????對于線性數據，邏輯回歸的擬合和計算都非常快，計算效率優于SVM和隨機森林，親測表 示在大型數據上尤其能夠看得出區別

邏輯回歸返回的分類結果不是固定的0，1，而是以小數形式呈現的類概率數字

????????我們因此可以把邏輯回歸返回的結果當成連續型數據來利用。比如在評分卡制作時，我們不僅需要判斷客戶是否會違約，還需要給出確定的”信用分“，而這個信用分的計算就需要使用類概率計算出的對數幾率，而決策樹和隨機森林這樣的分類器，可以產出分類結果，卻無法幫助我們計算分數（當然，在sklearn中，決策樹也可以產生概率，使用接口 predict_proba調用就好，但一般來說，正常的決策樹沒有這個功能）。

sklearn中的邏輯回歸

????????

?