本文澄清了关于机器学习中逻辑回归的常见误解，强调其不仅是一种分类算法，还能通过系数大小对危险因素进行排序，尤其适用于医学研究。同时，讨论了系数大小是否直接反映特征影响程度的问题。
参考
本文会提供代码
误解一：机器学习-逻辑回归
以为是单纯的分类算法，但是可以根据系数的大小，进行危险因素的排序，医学研究应用比较多
其实就是简单的，y =
a
1
a_{1}
a1 *
x
1
x_{1}
x1 +
a
2
a_{2}
a2 *
x
2
x_{2}
x2 +
a
3
a_{3}
a3 *
x
3
x_{3}
x3 + . . . +
a
n
a_{n}
an *
x
n
x_{n}
xn
x
1
x_{1}
x1 增加 1，那么y就会增加
a
1
a_{1}
a1的大小，所以系数的绝对值大小可以对危险因素排序
误解二：系数的大小真的就是影响 程度的大小？？？
可以和GBDT、RF特征筛选进行结果比对，到时候再更新此文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
