Я использовал scikit-learn.linear_model.LogisticRegression, но это не сработало.
Я начал со списка х и у. Х был целым числом от -10 до 10 включительно. Y был значением x, включенным в функцию logisti c 100/ (1 + e^-x). Это означает, что это должна была быть идеальная регрессия Logisti c.
Это работало хорошо, но когда я немного изменил Y (+1, -1 или 0 для каждого значения y), это не сработало. При построении с matplotlib.pyplot это была явно кривая логистики c.
Я пытался
reg = linear_model.LogisticRegression(C=10e4)
reg.fit(x, y)
reg.predict(x)
Предсказанный Y имел половину точек при минимальном y (у = 0), а другая половина в максимуме (у = 100). Я пробовал с C в качестве значения по умолчанию, но произошло то же самое.
Почему это так, и как мне получить правильную модель регрессии?
Также: 
Оранжевый модель, синий цвет актуален. Это немного лучше, но если по умолчанию C, все апельсины выше 100 или меньше 0