LR的几个详细的几个网址,介绍了关于LR的核心问题。对于机器学习笔试面试的小伙伴提供很好的解答
1. LR原理
2. LR的求解数学推导
3. LR的正则化
4. 为什么LR能比线性回归好?
5. LR与MaxEnt的关系
--------见http://blog.csdn.net/richard_more/article/details/52764559
6.LR的并行化
http://blog.csdn.net/zhoubl668/article/details/19612215
7.LR与svm的区别与联系
https://www.cnblogs.com/daguankele/p/6652597.html
8.LR与线性回归的区别与联系
http://blog.csdn.net/viewcode/article/details/8794401
9.LR的特征为什么要先离散化
http://blog.csdn.net/yang090510118/article/details/39478033
10.特征比数据量还大时,选择什么样的分类器?
线性分类器,因为维度高的时候,数据一般在维度空间里面会比较稀疏,很有可能线性可分
11.LR与bayes 区别
http://blog.csdn.net/cjneo/article/details/45167223