逻辑回归（Logistic回归）又称Logistic回归分析，是机器学习中的一种分类模型，虽然名字中带有回归，但其是用来解决分类问题的。常用于数据挖掘，疾病自动诊断，经济预测等领域。逻辑回归根据给定的自变量数据集来估计事件的发生概率，由于结果是一个概率，因此因变量的范围在 0 和 1 之间。logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。

ROC曲线（Receiver Operating Characteristic curve，受试者工作特征曲线）是评估二分类模型性能的常用工具之一。它通过不同的阈值设置，展示模型在不同分类条件下的表现。ROC曲线以假阳性率（False Positive Rate, FPR）为横轴，真阳性率（True Positive Rate, TPR）为纵轴，能够全面评估模型的分类能力。ROC曲线也叫做相关操作

定义及加载数据集，分为训练集和待测集，返回样本所具有的属性。

ROC曲线（Receiver Operating Characteristic curve，受试者工作特征曲线）是评估二分类模型性能的常用工具之一。它通过不同的阈值设置，展示模型在不同分类条件下的表现。ROC曲线以假阳性率（False Positive Rate, FPR）为横轴，真阳性率（True Positive Rate, TPR）为纵轴，能够全面评估模型的分类能力。ROC曲线也叫做相关操作