2019年4月4日星期四上午，课题组内成员在学院436开展了本学期第二次小组联盟专题学习。本次小组联盟主要由郝偲成同学对于如何利用python实现线性回归算法进行分享。

       首先，郝偲成先从逻辑回归的基本概念开始讲解，包括逻辑回归与线性回归的区别、逻辑回归的原理、sigmiod函数、逻辑回归中梯度上升算法等。与其他机器学习算法相同的是，Logisitic回归也是从统计学中借鉴来的。

       其次，郝偲成从编程实现方面，介绍了逻辑回归的一般过程，其主要分为：收集数据、准备数据、分析数据、训练数据、测试数据等几步骤。同时，郝偲成讲解了梯度上升算法、随机梯度上升算法以及改进的随机地图上升算法的具体实现代码以及算法各自的优缺点。并展示了对同一数据集采用了三种不同优化方法之后，所得到得分类准确率以及训练的时长。

       之后，郝偲成介绍了在交通领域，Logistic回归算法的应用，主要包括：寻找某现象发生的影响因素；校正混杂因素；确定不同因素对疾病发生影响的相对重要性；预测等几方面。同事，郝偲成简单介绍了一些在交通领域，使用Logistic模型所发表的文献。

       最后，同学们通过实际动手实现郝偲成所提供的案例代码，加深了对每一个环节的理解，也更加熟悉了python，为后续的科学研究提供有力支撑。