经典线性模型自变量的线性预测就是因变量的估计值。 广义线性模型：自变量的线性预测的函数是因变量的估计值。常见的广义线性模型有：probit模型、poisson模型、对数线性模型等等。对数线性模型里有：logistic regression、Maxinum entropy。本篇是对逻辑回归的学习总结，以及广义线性模型导出逻辑回归的过程。下一篇将是对最大熵模型的学习总结。本篇介绍的大纲如下：

1、逻辑斯蒂分布，logit转换

2、在二分类问题中，为什么弃用传统的线性回归模型，改用逻辑斯蒂回归？

3、逻辑回归模型的求解过程？

4、实际应用逻辑回归时数据预处理的经验总结。但经验有限，如果有哪位网友这块经验丰富，忘指教，先谢过

5、为什么我们在实际中，经典线性模型的优化目标函数是最小二乘，而逻辑回归则是似然函数

6、从最根本的广义线性模型角度，导出经典线性模型以及逻辑回归

1、逻辑斯蒂分布，logit转换

 一个连续随机变量X，如果它的分布函数形式如下，则X服从逻辑斯蒂分布，F（x）的值在0~1之间，它的的图形是一条S型曲线。

2、在二分类问题中，为什么弃用传统的线性回归模型，改用逻辑斯蒂回归？

      线性回归用于二分类时，首先想到下面这种形式，p是属于类别的概率：

     

      但是这时存在的问题是：

      1）等式两边的取值范围不同，右边是负无穷到正无穷，左边是[0,1]，这个分类模型的存在问题

      2）实际中的很多问题，都是当x很小或很大时，对于因变量P的影