# 逻辑回归计算器

使用梯度下降拟合二分类逻辑回归模型，并预测类别概率

> 标准页面: https://elysiatools.com/zh/tools/logistic-regression-calculator

- **分类:** Math & Numbers

- **关键词:** 逻辑回归, 二分类, 概率, 梯度下降

## 概述

逻辑回归计算器是一款专业的在线数学工具，旨在通过梯度下降算法拟合二分类模型。用户只需输入包含预测变量和二元目标值的 CSV 数据，即可快速计算模型准确率并预测特定输入下的类别概率，适用于数据分析、统计建模和机器学习初学者。

## 输入项

- **CSV 数据** (textarea): Predictors first, binary target last, e.g. x1,x2,y 0,1,0 1,2,0 3,2,1
- **包含表头** (checkbox)
- **预测值（可选）** (text): e.g. 4, 3
- **学习率** (number)
- **迭代次数** (number)
- **分类阈值** (number)
- **小数位数** (number)

## 适用场景

- 需要根据一组连续或离散的自变量预测二元结果（如是/否、成功/失败）时。
- 在没有复杂编程环境的情况下，快速验证逻辑回归模型的拟合效果。
- 需要通过调整学习率和迭代次数来观察梯度下降算法的收敛过程。

## 工作原理

- 用户输入 CSV 格式的训练数据，其中最后一列必须为二元目标值（0 或 1）。
- 设置学习率、迭代次数和分类阈值等参数，以控制梯度下降的优化过程。
- 系统执行逻辑回归算法，计算权重参数并评估模型在训练集上的准确率。
- 如果提供了预测值，计算器将输出该输入对应的预测类别及概率。

## 使用案例

- 医疗诊断预测：根据患者的各项生理指标（如血压、血糖）预测患病风险。
- 营销响应分析：基于用户的历史行为数据预测其是否会购买特定产品。
- 信用风险评估：利用申请人的财务数据判断其贷款违约的可能性。

## 常见问题

### CSV 数据的格式有什么要求？

预测变量在前，二元目标值（0 或 1）在最后一列，支持包含表头。

### 学习率设置多少比较合适？

默认值为 0.1，若模型不收敛可尝试调小，若收敛过慢可适当调大。

### 什么是分类阈值？

它是判定类别的临界点，默认 0.5 表示概率大于 0.5 则判定为类别 1。

### 预测值应该如何输入？

以逗号分隔的数值序列，顺序需与训练数据中的预测变量一致。

### 该工具支持多分类吗？

目前仅支持二分类逻辑回归，目标值必须为 0 或 1。

## 相关工具

- [多元线性回归计算器](https://elysiatools.com/zh/tools/multiple-linear-regression-calculator): 根据多列预测变量和数值目标拟合多元线性回归模型
- [列计算器](https://elysiatools.com/zh/tools/column-calculator): 对列进行计算并添加新的行
- [数据追加合并器](https://elysiatools.com/zh/tools/data-append-merger): 垂直追加和合并多个数据表，智能列匹配
- [行计算器](https://elysiatools.com/zh/tools/row-calculator): 对每行进行计算并添加新的列
- [特征缩放器](https://elysiatools.com/zh/tools/feature-scaler): 使用各种方法对特征进行缩放和标准化，用于机器学习预处理和数据标准化
- [Markdown 表格到 CSV、JSON 与类型推断 Schema](https://elysiatools.com/zh/tools/markdown-table-to-csv-json-schema): 将 Markdown 管道表格转换为 CSV、JSON 行或推断类型的 JSON Schema，并报告对齐和空值诊断
- [CSV Protobuf转换器](https://elysiatools.com/zh/tools/csv-to-protobuf): 在CSV和Protocol Buffers (Protobuf) 格式之间双向转换
- [列顺序调整器](https://elysiatools.com/zh/tools/column-reorder): 重新排列表的顺序，保持行数据不变

## 示例

- [CSV示例](https://elysiatools.com/zh/samples/csv-samples): 各种数据类型、大小和复杂度级别的CSV示例文件
- [Python 示例](https://elysiatools.com/zh/samples/python): Python代码示例和Hello World演示
- [Windows 字符串处理 - C# 示例](https://elysiatools.com/zh/samples/windows-string-processing-csharp): Windows平台C#字符串处理示例，包括字符串操作、分割、连接、正则表达式和文本分析
- [Cypress E2E 测试框架](https://elysiatools.com/zh/samples/cypress-testing): 全面的Cypress端到端测试示例，包括测试设置、页面对象模型、API测试、视觉回归测试和现代Web应用的高级E2E模式

## 相关内容

- [CSV 导出与表格转换工具](https://elysiatools.com/zh/hubs/csv-convert): 在一个专题里比较 CSV 与 Excel、JSON、HTML、Markdown、XML 和文本之间的转换工具，适合表格导出与交换工作流。
- [CSV 清洗与表格重整工具](https://elysiatools.com/zh/hubs/csv-utility): 把 CSV 清洗、筛选、排序、分组、合并、拆分和表格重整工具集中到一个专题中，适合表格整理和导入导出流程。
- [数据质量、去重与异常检测工具](https://elysiatools.com/zh/hubs/data-quality-anomaly-workflows): 在一个数据质量工作流专题里检查 CSV/JSON 数据集，比较表格版本，发现重复、离群值、缺失值问题、关联断裂和时序异常。