Logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w’x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w’x+b作为因变量，即y =w’x+b，而logistic回归则通过函数L将w’x+b对应一个隐状态p，p =L(w’x+b),然后根据p 与1-p的大小

决策树是一种常用的机器学习算法和决策分析工具，基于树结构进行决策，每个内部节点是一个属性上的测试，分支是测试输出，叶节点是类别或值，通过不断测试属性来将样本分类或预测值。决策树包括根节点内部节点和叶节点。根节点是决策树的起始点，内部节点表示对某个属性的测试，叶节点则代表最终的决策结果或类别。边用来连接各个节点，代表属性的取值或决策路径。

这是第一次尝试配置环境，是从网上找了很多教程一步步跟着做的。在跟步骤时，发现许多配置环境通用的条件。比如放置软件的文件夹不能用中文命名，且尽量简洁明了，方便查询具体路径。还有写代码条件时，所有符号都必须是英文的，中文的符号会导致输出结果不正确。

这是第一次尝试配置环境，是从网上找了很多教程一步步跟着做的。在跟步骤时，发现许多配置环境通用的条件。比如放置软件的文件夹不能用中文命名，且尽量简洁明了，方便查询具体路径。还有写代码条件时，所有符号都必须是英文的，中文的符号会导致输出结果不正确。

同时，算出AUC值。（2）欠拟合：欠拟合是机器学习中的一种情况，当模型在训练数据上表现的很差，无法捕捉到数据中的复杂模式，导致模型的泛化能力弱，这通常表现为模型在训练集和验证集上的误差都很高。（3）误差：学习器的实际预测输出与样本的真实输出之间的差异称为“误差”，学习器在训练集上的误差称为“训练误差”或“经验误差”，在新样本上的误差称为“泛化误差”。将数据集分层采样划分为k个大小相似的互斥子集，每

这是第一次尝试配置环境，是从网上找了很多教程一步步跟着做的。在跟步骤时，发现许多配置环境通用的条件。比如放置软件的文件夹不能用中文命名，且尽量简洁明了，方便查询具体路径。还有写代码条件时，所有符号都必须是英文的，中文的符号会导致输出结果不正确。