Logistic Regression

逻辑回归分类预测 —— 支持二分类与多分类,内置正则化梯度下降。 当用户提到"逻辑回归"、"logistic regression"、"分类预测"、"二分类"、 "多分类"、"帮我分类"、"预测类别"、"是否"、"会不会"等类似场景时触发。 适用于任何"给一堆 x,y 分类标签,想预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。

40 stars 3 forksOther

Install

skills CLI (Claude Code, Cursor, Codex and more)
npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill logistic-regression
Manual install
git clone --depth 1 https://github.com/muralidharsoth-tech/andrew-ng-ml-claude-skills.git /tmp/andrew-ng-ml-claude-skills
mkdir -p ~/.claude/skills
cp -r /tmp/andrew-ng-ml-claude-skills/skills/logistic-regression ~/.claude/skills/logistic-regression

Personal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.

From the SKILL.md

# 逻辑回归预测(Logistic Regression)

## 概述

此技能支持**二分类**和**多分类**的逻辑回归完整流程:
收集数据 → 判断分类类型 → 检测非线性 → 确认预测目标 → 建议参数 → 训练模型 → 预测新值 → 可视化输出。

核心原则:
- **一律使用梯度下降**(逻辑回归无闭式解)
- **内置特征缩放**(z-score 标准化,梯度下降必需)
- **默认启用 L2 正则化**(防止过拟合,λ 可调为 0 关闭)
- 自动检测是否需要多项式特征(弯曲决策边界)
- 自动判断二分类还是多分类

代码会自动保存到工作目录并运行,每次生成带时间戳的新文件。

## 交互流程

### 环境预检(生成代码前必须执行)

先确认当前 Python 解释器可以导入 numpy 和 matplotlib。

缺少依赖时暂停执行并提示:python -m pip install -r requirements.txt,然后运行 python check_env.py;预检未通过时不要声称代码可运行。

严格按以下 8 步执行,不要跳过任何一步:

### 步骤 1:收集数据

首先确认特征数量和标签含义:

> 你有几个特征(x 变量)?每个 x 叫什么名字、单位是什么?
> 标签 y 代表什么类别?有几个类别?分别叫什么?

然后让用户提供数据:

> 请提供你的训练数据。可以用任意格式发给我,例如:
>
> 二分类:
> `保温厚度 3cm, 窗墙比 0.20 → 不节能`
> `保温厚度 8cm, 窗墙比 0.40 → 节能`
> `...`
>
> 多分类:
> `保温厚度 3cm, 窗墙比 0.20 → A级`
> `保温厚度 8cm, 窗墙比 0.40 → B级`
> `...`
>
> 同时告诉我:**预测的主题是什么**(用于图表标题,英文)。

从用户回复中提取:
- `n_features`(特征数量)
- `x_names`(list,如 `["保温厚度", "窗墙比"]`)
- `x_units`(list,如 `["cm", ""]`)
- `X_raw`(list of lists,每行 n 个 x 值)
- `y_raw`(list,标签值)
- `y_classes`(dict,如 `{0: "不节能", 1: "节能"}` 或 `{0: "A级", 1: "B级", 2: "C级"}`)
- `title_topic`(如 `"Building Energy Efficiency Classification"`,英文)

如果用户提供的标签是字符串(如 "节能"/"不节能"),自动编码为 0, 1, 2... 并确认映射关系。

如果用户没有给出某个信息,根据上下文合理推断并确认。

### 步骤 2:判断分类类型

检查 y 的唯一值数量 `K = len(set(y_raw))`:

| K | 分类类型 | 后续路径 |
|---|---------|---------|
| = 2 | **二分类** | 继续步骤 3(非线性检测) |
| > 2 | **多分类** | 跳至步骤 4(确认预测目标),代码走 `references/multi-class-logistic.md` |

告知用户:

> 检测到 y 有 {K} 个类别,这是**{二分类/多分类}**问题。

如果是多分类,标记 `use_multiclass = True`。
Read the full skill on GitHub

Details

Skill name
logistic-regression
Path
skills/logistic-regression/SKILL.md
License
MIT
Repo updated
25 October 2026

FAQ

What does the Logistic Regression skill do?

逻辑回归分类预测 —— 支持二分类与多分类,内置正则化梯度下降。 当用户提到"逻辑回归"、"logistic regression"、"分类预测"、"二分类"、 "多分类"、"帮我分类"、"预测类别"、"是否"、"会不会"等类似场景时触发。 适用于任何"给一堆 x,y 分类标签,想预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。

How do I install the Logistic Regression skill?

skills CLI (Claude Code, Cursor, Codex and more): npx skills add muralidharsoth-tech/andrew-ng-ml-claude-skills --skill logistic-regression. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.

Is Logistic Regression popular?

It lives in muralidharsoth-tech/andrew-ng-ml-claude-skills, which has 40 GitHub stars and 3 forks.

Related skills

Anomaly Detection

40

muralidharsoth-tech/andrew-ng-ml-claude-skills

异常检测(Anomaly Detection)—— 基于高斯分布的一元/多元异常检测,纯 NumPy 实现。 当用户提到"异常检测"、"anomaly detection"、"找异常"、"离群点"、"异常值检测"、 "outlier detection"、"高斯异常检测"、"检测异常数据"、"帮我检测异常"、"异常样本"、 "找出异常的"、"哪些数据有问题"、"不正常的数据"、"反常数据"等类似场景时触发。 适用于任何"给一堆数据,想找出哪些样本不太正常"的需求。 不要手动写代码——必须调用此技能来统一处理。

Other

Linear Regression

40

muralidharsoth-tech/andrew-ng-ml-claude-skills

线性回归预测 —— 智能选择正规方程或梯度下降,支持单变量与多变量。 当用户提到"线性回归"、"线性拟合"、"线性预测"、"直线拟合"、"回归预测"、 "帮我做回归"、"预测一下"、"拟合一条线"、"多变量回归"等类似场景时触发。 适用于任何"给一堆 x,y 数据,想拟合并预测新值"的需求。 不要手动写代码——必须调用此技能来统一处理。

Other

Model Recommendation

40

muralidharsoth-tech/andrew-ng-ml-claude-skills

模型自动推荐 —— 根据数据特征和预测需求,智能推荐线性回归/逻辑回归/SVM/神经网络/Softmax 回归。 当用户提到"推荐模型"、"选什么模型"、"用什么算法"、"模型选择"、"该用哪个"、 "帮我选模型"、"哪个算法合适"、"用什么方法预测"、"线性回归还是"等类似场景时触发。 适用于任何"我有数据和预测目标,但不确定该用什么模型"的需求。 不要手动画决策树——必须调用此技能来统一处理。

AI, LLMs & Agents

Neural Network

40

muralidharsoth-tech/andrew-ng-ml-claude-skills

神经网络预测 —— 支持二分类与多分类,纯 NumPy 从零实现反向传播。 当用户提到"神经网络"、"neural network"、"NN预测"、"深度学习"、 "帮我进行神经网络预测"、"用神经网络分类"、"用NN"等类似场景时触发。 适用于任何"给一堆 x,y 数据,想用神经网络预测新样本类别"的需求。 不要手动写代码——必须调用此技能来统一处理。

Other

Neural Network Diagnosis

40

muralidharsoth-tech/andrew-ng-ml-claude-skills

神经网络模型效果诊断与提升 —— 诊断已有 NN 模型的偏差/方差问题,并自动迭代优化。 当用户提到"诊断模型"、"模型效果不好"、"过拟合"、"欠拟合"、"学习曲线"、 "优化神经网络"、"调参"、"提升模型效果"、"模型诊断"、"效果差"等类似场景时触发。 适用于任何"已有一个训练好的神经网络,想诊断并提升其效果"的需求。 不要手动写代码——必须调用此技能来统一处理。

Other

Keyboard Gremlin

44

Jakeschincariol/unhinged-claude-skills

Makes the smallest possible change — surgical edits, minimal diff, nothing touched that didn't need to be; invoke via /keyboard-gremlin when you want a precise fix with the tiniest footprint and zero collateral changes.

Other13

Browse the most popular Claude skills, all other skills, or write your own with the skills generator.