专栏前言
上一节我们学习线性回归，专门用来预测连续数字（回归任务）；
本节学习逻辑回归，虽然名字带 “回归”，实际是工业风控最常用的二分类算法，用来区分两类数据：正常交易 / 欺诈盗刷。
案例采用银行信用卡交易数据集，完整复现风控建模全流程。
1. 什么是逻辑回归
1.1 核心原理
线性回归输出是无边界的实数，不能代表概率。逻辑回归在线性公式外套一层 Sigmoid 函数，把数值压缩到 (0,1) 区间，输出结果代表 “属于欺诈交易的概率”。
线性组合公式：
Sigmoid 激活函数：
1.2 分类判定规则
默认判断阈值 0.5：
→ 正类，欺诈交易（Class=1）
→ 负类，正常交易（Class=0）风控场景可手动下调阈值，优先拦截可疑盗刷。
1.3 模型参数、损失函数与参数优化
模型刚创建时，会自动随机初始化一组权重
和截距
，此时参数是随机值，预测结果完全不准。逻辑回归使用交叉熵损失函数，专门用于二分类任务，用来衡量预测概率和真实标签之间的差距，损失值越大，代表模型预测越离谱。
二分类交叉熵核心公式：
为真实标签（0/1），
为模型预测的正类概率，n 为样本总数。模型训练本质就是循环执行梯度下降：不断微调权重参数，持续缩小整体损失值，直到损失收敛、预测效果稳定，这一步由fit()方法自动完成，不需要手动计算。
1.4 正则参数 C 与正则化作用
sklearn 逻辑回归默认开启 L2 正则，
C是正则强度的倒数，完整带正则项的损失公式如下：
公式解析：前半部分为交叉熵损失，负责拟合数据；后半部分为 L2 正则惩罚项，专门约束权重参数：
- C 越小：正则惩罚系数
越大，正则约束越强，大幅限制权重参数的大小，压缩参数区间，减少模型对训练集噪声的记忆，缓解过拟合；
- C 越大：正则惩罚系数 越小，正则约束越弱，模型放开参数限制，更容易贴合训练数据，易出现过拟合。
本次实战设置 C=0.01，加大正则力度，避免模型在不平衡的信用卡数据集上过拟合。超参数 C 的最优取值无法凭经验直接确定，下一章我们专门讲解网格搜索，系统学习如何自动筛选最优超参数 C。
2. 数据集业务介绍
数据集文件：creditcard.csv，模拟银行贷款 / 信用卡风控数据，该数据可以在本文开头下载。
数据样例：
字段说明：
数据集特点：样本极度不平衡，绝大多数为正常交易。
3. 完整建模流程 + 代码分步讲解
整套流程分为 5 步：读取数据→标准化预处理→划分特征标签→拆分训练测试集→训练模型并评估，逐段拆解代码含义。
3.1 第一步：导入 pandas，读取本地 CSV 数据
import pandas as pd
# 读取信用卡交易数据集
data = pd.read_csv(r'D:\\pythoncode2\\bigdata_ai40\\机械学习\\data\\creditcard.csv')
# 打印前5行数据，查看数据结构
print(data.head())
讲解：
3.2 第二步：数据标准化 + 删除无用特征
# 导入标准化工具
from sklearn.preprocessing import StandardScaler
# 创建标准化器对象
scaler = StandardScaler()
仅对交易金额Amount做Z-Score标准化
data['Amount'] = scaler.fit_transform(data[['Amount']])
删除无关时间特征Time
data = data.drop(['Time'],axis=1)
标准化公式：
讲解：
3.3 第三步：分离特征 X 与标签 y
# 导入数据集划分工具
from sklearn.model_selection import train_test_split
所有特征：去掉分类标签Class
x_whole = data.drop('Class',axis=1)
预测标签：是否欺诈
y_whole = data.Class
讲解：
3.4 第四步：拆分训练集、测试集
# 70%训练集，30%测试集，固定随机种子保证结果可复现
x_train_w,x_test_w,y_train_w,y_test_w = train_test_split(x_whole,y_whole,test_size =0.3,random_state=1000)
讲解：
3.5 第五步：创建逻辑回归模型、训练、预测评估
# 导入逻辑回归算法
from sklearn.linear_model import LogisticRegression
# 初始化模型，设置正则系数C=0.01
lr = LogisticRegression(C=0.01)
# 使用训练集完成模型训练
lr.fit(x_train_w,y_train_w)
在测试集上预测类别（0正常/1欺诈）
print(lr.predict(x_test_w))
输出训练集整体准确率
print(lr.score(x_train_w,y_train_w))
计算测试集准确率
test_score = lr.score(x_test_w,y_test_w)
print(test_score)
讲解：
|
重要提醒：本数据集正负样本失衡，单纯准确率无法客观评价欺诈识别能力，后续章节会讲解混淆矩阵、召回率等专业指标。 |
4. 逻辑回归优缺点
优点
缺点
5. 本章小结
