線性邏輯迴歸
本文用程式碼實現怎麼利用sklearn來進行線性邏輯迴歸的計算，下面先來看看用到的資料。
這是有兩行特徵的資料，然後第三行是資料的標籤。
python程式碼
首先匯入包和載入資料
寫一個畫圖的函式，把這些資料表示出來：
然後我們呼叫這個函式得到下面的影象：
接下來開始建立模型並擬合，然後呼叫sklearn裡面的邏輯迴歸方法，裡面的函式可以自動幫算出權值和偏置值，非常簡單，接著畫出影象。
最後我們可以來看看評估值：
可以看到，正確率、召回率、F1值都達到了95%。
非線性邏輯迴歸
非線性邏輯迴歸意味著決策邊界是曲線，和線性邏輯迴歸的原理是差不多的，這裡用到的資料是datasets自動生成的，
接下來要把資料進行多項式處理，簡單地說就是增加資料的特徵，
然後規定好影象的座標值，並生成一個網格矩陣，
定義一個等高線的高，
結果一目瞭然，很好的分成了兩類：
看一下準確率，98%，說明算比較成功，準確率很高。
線性邏輯迴歸和非線性邏輯迴歸用到的代價函式都是一樣的，原理相同，只不過是預估函式的複雜度不一樣，非線性邏輯迴歸要對資料進行多項式處理，增加資料的特徵量。
[bom485332 ] sklearn線性邏輯迴歸和非線性邏輯迴歸的實現已經有262次圍觀
