问预处理螺旋数据集以用于Logistic回归

EN

Logistic回归通常被用作线性分类器，即将一类样本与另一类样本分开的决策边界是线性的(直线)，但它也可以用于非线性决策边界。

在SVC中使用内核技巧也是一个很好的选择，因为它将较低维度的数据映射到较高维度，使其可线性分离。

示例：

​

​

在上面的例子中，数据在较低的维度上不是线性可分的，但是在应用转换ϕ(x) = x²并将第二个维度添加到特征之后，我们得到了变为线性可分的右侧图。

您可以通过创建应用逻辑回归的新功能来开始转换数据。也可以尝试使用内核技巧的SVC(支持向量分类器)。对于SVC，您不必显式地将数据转换为更高的维度。

对于学习很有帮助的资源有one和two

由于数据似乎不是线性可分的，您可以尝试使用支持向量分类中常用的内核技巧方法。核函数接受原始低维空间中的输入，并返回转换后的向量在高维空间中的点积。这意味着变换后的向量ϕ( x )只是相应低维向量x中坐标的某个函数。