这一篇我们拿一些实例来看看。
所有的数据下载地址：https://gitee.com/tianyalei/machine_learning，按对应章节查找。
还是要提醒一句，逻辑回归很简单，很多时候效果可以，但不够优秀，可以作为BaseLine。在选择算法前，可以先观察数据，根据经验推断是否符合线性（直线、曲线、圆形、抛物线等等），只要是比较连续的，能用线隔开的，一般逻辑回归都能给出一个还算凑合的答案。
1简单逻辑回归——鸢尾花
还是去UCI去找数据，这次我们用Most Popular Data Sets 里的鸢尾花——iris.csv。
sepal length in cm,sepal width in cm,petal length in cm,petal width in cm,iris 5.1,3.5,1.4,0.2,Iris-setosa 4.9,3.0,1.4,0.2,Iris-setosa 4.7,3.2,1.3,0.2,Iris-setosa 4.6,3.1,1.5,0.2,Iris-setosa 5.0,3.6,1.4,0.2,Iris-setosa 5.4,3.9,1.7,0.4,Iris-setosa 4.6,3.4,1.4,0.3,Iris-setosa
就是通过一些属性来判断是哪种类型的iris。
导入iris.csv，将iris字段改为Nominal类型
通过Visualize All我们可以简单看看各属性对于Iris的分类影响 。
好了，直接开始上算法吧。选择逻辑回归，选择交叉验证10次。
结果如图，大概96%正确率，效果OK。当然这个比较简单，当个开胃菜。
2多项式逻辑回归
这是一个稍微复杂点的数据分布图，可以看到蓝色的点大概像一个椭圆，被黑色的*包围在里面。这种可以描述为是一个线性的，但很明显不是一次方线性的。
数据集是data2.csv
虽然明显不是一次线性方程，但我们还是先来试试。
导入数据，选择交叉验证，结果不出所料
只有50%的正确率，和瞎猜没啥区别。
我们在模型上右键Visualize classifier errors，看看错误分布。
可以看到无论是0的还是1的基本都是对半错，蓝色的是左边部分全错，右边大部分对。红色的是左边大部分对，右边全错。
x代表对的，方块是错的。
这基本符合我们的猜想，因为训练集的分布是个圆，你在上面画一个线，自然是一半对一半错。
根据以往经验，我们碰到曲线就上多项式，直接加次方。经过试验，上6次方后，效果就比较美好了。
怎么加次方，可以参考之前的文章，我直接给它加到6次方，数据为data2-all.arff。
再次验证结果为：
通过观察原图，我们也可以用手尝试画个圆，看看圈的数据的情况。基本上也就是错十几个点的样子。
可以看到正确率为83%，感觉还可以是吗，这么不规则的图，能保持80%以上的预测正确率。
但是作为*四有好青年，我们怎么能满足于80%呢，我们应该追求100%不是吗！
看这个效果，这还是data2的同一批数据，我们达成了100%的正确率！上面那83个数据是我随机抽出来的，下面的35个是用来做测试用的。可以看到无论是训练集还是测试集，我们都完成了100%的匹配。
在公布我们的方法前，可以先来看看别人对于同一批数据做的模型，http://www.hankcs.com/ml/programming-exercise-2-logistic-regression-cs229.html
在这个网址有人给出了算法，和得到的各种结果的示例，如较好的拟合
可以看到，在使用逻辑回归时，无论如何也无法达到完全拟合，100%是不要想了。
所以我也是使用了别的算法，至于具体怎么操作，还是要等一下，会放到下下一篇来说。下一篇还是讲逻辑回归，当逻辑回归说完，再来看和其他部分算法的对比，以及如何让上面的不规律分布达到100%匹配。