包含数据线性可分与数据线性不可分数据，与Logistic回归比较及SVM应用于多分类问题等！包含生成数据集与真实数据集、数据集分为线性可分与线性不可分数据、二维及多维数据均适用！！！

Churn-Modelling:使用ANN，PNN，Logistic回归，KNN和SVM进行客户流失建模

【吴恩达课后编程作业】第二周作业 - Logistic回归-识别猫的图片资源

吴恩达|机器学习作业2.1正则化的Logistic回归-附件资源

从疝气病症预测病马的死亡率 预处理过的数据集+python代码

本次实战内容，将使用Logistic回归来预测患疝气病的马的存活问题。原始数据集下载地址：http://archive.ics.uci.edu/ml/datasets/Horse+Colic 这里的数据包含了368个样本和28个特征。这种病不一定源自马的肠胃问题，其他问题也可能引发马疝病。该数据集中包含了医院检测马疝病的一些指标，有的指标比较主观，有的指标难以测量，例如马的疼痛级别。另外需要说明的是，除了部分指标主观和难以测量外，该数据还存在一个问题，数据集中有30%的值是缺失的。 预处理数据做两件事： 如果测试集中一条数据的特征值已经确实，那么我们选择实数0来替换所有缺失值，因为本文使用Logistic回归。因此这样做不会影响回归系数的值。sigmoid(0)=0.5，即它对结果的预测不具有任何倾向性。 如果测试集中一条数据的类别标签已经缺失，那么我们将该类别数据丢弃，因为类别标签与特征不同，很难确定采用某个合适的值来替换。 原始的数据集经过处理，保存为两个文件：horseColicTest.txt和horseColicTraining.txt。已经处理好的“干净”可用的数据集下载地址：

https://blog.csdn.net/ljw_study_in_CSDN/article/details/117775766 博客配套代码+数据集文件

logistic回归二分类的python实现博文的源数据，想要对着代码来操作一遍的伙伴们可以在这里下载！

Logistic回归、最优化理论与算法blog对应的代码

在SAS学习过程中记下的笔记，一些初级的过程，比较适合SAS初学， 能做的分析有描述性统计+线性回归+logistic回归+生存分析+判别分析+聚类分析+主成分+典型相关分析等等。