Elysia Tools
导航
Math & Numbers
使用梯度下降拟合二分类逻辑回归模型，并预测类别概率
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
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。
背景
正在学习机器学习基础，想通过一组简单的坐标数据理解逻辑回归的分类原理。
问题
如何根据已有的 (x1, x2) 坐标点预测其所属的 0 或 1 类别。
如何使用
在 CSV 数据框中输入训练样本，并在预测值框中输入待测坐标点 2.5, 2.5。
学习率 0.2，迭代次数 3000，分类阈值 0.5。结果
模型准确率达到 100%，并成功预测出该坐标点属于类别 1。
背景
收集了学生平时的出勤率和作业分数，希望预测期末考试是否能及格。
问题
建立一个简单的预测模型，评估特定表现的学生及格的可能性。
如何使用
上传包含“出勤率,作业分,及格状态”的 CSV 数据，输入待预测学生的指标数据。
学习率 0.05，迭代次数 5000，小数位数 4。结果
获得模型权重参数，并得出该学生有 85% 的概率通过考试，判定为类别 1。
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。
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。
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。
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。
目前仅支持二分类逻辑回归，目标值必须为 0 或 1。