这是个人学习逻辑回归时写的代码，主要时用的sklearn包。很简单的代码，只适合初学者。

这是利用ELM进行回归分析的二分类问题，代码是MATLAB版本，有训练样本和测试样本，分类结果用不同颜色的图表示。参考来源：http://blog.csdn.net/google19890102/article/details/18222103

超限学习机ELM的逻辑回归二分类Python代码，需要训练样本和测试样本，带有正则化系数，提高泛化能力，能有效解决欠拟合和过拟合问题。参考来源：http://blog.csdn.net/Mosout/article/details/53997040

看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的LogisticRegression部分，写下此篇学习笔记总结一下。 首先说一下我的感受，《机器学习实战》一书在介绍原理的同时将全部的算法用源代码实现，非常具有操作性，可以加深对算法的理解，但是美中不足的是在原理上介绍的比较粗略，很多细节没有具体介绍。所以，对于没有基础的朋友（包括我）某些地方可能看的一头雾水，需要查阅相关资料进行了解。所以说，该书还是比较适合有基础的朋友。

使用逻辑回归分类鸢尾花和红酒等级，包括源码、训练数据和测试数据

matlab实现的多分类逻辑回归，用于手写数字识别

输入：特征和标签->模型->回归系数->预测：分类结果 功能：逻辑回归实现二分类

纯python代码实现逻辑回归，不调机器学习第三方库，仅调用numpy实现矩阵向量计算和matplotlib实现画图

基于 机器学习的情感分析，简单实现，可显示准确率、精确率、召回率、F1值

用于博客中数据样例，博客中程序所使用数据，方便感兴趣同学下载学习，验证。