如何用逻辑回归做数据解析？

今天我们将学习逻辑回归（logistics regression），由于逻辑回归是基于线性回归的特殊变化，故还没有掌握线性回归的小伙伴，可以先点击这里，传送门：《如何用线性回归做数据分析？》

接下来，我将用最简单通俗的语言来为大家介绍逻辑回归模型及其应用。

逻辑回归是解决二分类问题的监督学习算法，用来估计某个类别的概率；其直接预测值是表示0-1区间概率的数据，基于概率再划定阈值进行分类，而求解概率的过程就是回归的过程。

逻辑回归应用于数据分析的场景主要有三种：

驱动力分析：某个事件发生与否受多个因素所影响，分析不同因素对事件发生驱动力的强弱（驱动力指相关性，不是因果性）；

预测：预测事件发生的概率；

分类：适合做多种分类算法、因果分析等的基础组件；

一、逻辑回归的原理

下图是之前讲到的线性回归模型的数据分布，线性回归是用一条线来拟合自变量和因变量之间的关系，我们可以看到其输出结果y是连续的。

例如我们想预测不同用户特征对所使用产品的满意分，可以采用线性回归模型；但是如果我们想根据这些因素去判断用户的性别，或者是否推荐使用等，之前的线性回归就不适用了，这时，我们就要用到逻辑回归进行二分类了。

但是分类模型输出结果却需要是离散的，如何把连续型的y转化为取值范围0-1的数值呢？