关于LR的总结

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