1，逻辑回归介绍
逻辑回归：分类模型
应用场景：广告点击率、是否垃圾邮件
逻辑回归主要用于解决二分类问题
输入：
逻辑回归的输入：线性回归的结果
激活函数：sigmoid函数
回归的结果输入到sigmoid函数中
输出结果：[0,1]区间中的一个概率值，默认为0.5为阈值
输出结果解释：假设AB两类，A是正类，则输出结果是属于A类的概率值，如果大于0.5，则说明属于A类，否则属于B类。也可以自己设定阈值（不是0.5，选0.6，0.4都可）
衡量预测概率----对数似然损失
损失函数
分开写：
完整写：
优化：使用梯度下降法进行优化
2，逻辑回归api介绍
sklearn.linear_model.LogisticRegression(solve=‘liblinear’,penalty=‘l2’,C=1.0)
solve可选（‘liblinear’,‘sag’,‘saga’,‘newton-cg’,‘lbfgs’）
小数据集—‘liblinear’；小数据集—‘sag’,‘saga’
penalty ----正则化的种类
C---- 正则化力度
3，案例：癌症分类预测-良/恶性乳腺癌肿瘤预测
p0742
