逻辑回归算法。
逻辑回归是机器学习从统计学领域借鉴的另一种技术。它是二进制分类问题的首选方法(有两个类值的问题)。
Logistic回归就像线性回归，目标是找到权重每个输入变量的系数值。
与线性回归不同的是，对输出的预测用一个叫做logistic函数的非线性函数来进行转换。
logistic函数看起来像一个大S，它将把任何值转换为0到1的范围。我们可以将一个规则应用到逻辑函数的输出中，将值的值设为0和1(例如，如果小于0.5，则输出1)并预测一个类值。
由于模型的学习方式，逻辑回归的预测也可以作为一个给定数据实例的概率，属于第0类或第1类。这对于需要为预测提供更多理由的问题很有用。
与线性回归一样，当删除与输出变量无关的属性和非常相似(相关)的属性时，逻辑回归的效果会更好。
这是一个快速学习和有效的二元分类问题的模型。