讲清逻辑回归算法，剖析其作为广义线性模型的原因

本文链接：https://blog.csdn.net/ALISHENGYA/article/details/145432168

1、逻辑回归算法介绍

逻辑回归(Logistic Regression)是一种广义线性回归分析模型。虽然名字里带有“回归”两字，但其实是分类模型，常用于二分类。既然逻辑回归模型是分类模型，为什么名字里会含有“回归”二字呢？这是因为其算法原理同样涉及线性回归模型中的线性回归方程。线性回归方程是用于预测连续变量的，其y的取值范围为（−∞，＋∞），而逻辑回归模型是用于预测类别的，例如，用逻辑回归模型预测一个人是否会违约、客户是否会流失，在本质上预测的是一个人是否违约、是否流失的概率，而概率的取值范围是0～1，因此不能直接用线性回归方程来预测概率。

☀什么是连续型变量？

连续型变量是指在一定范围内可以取无限多个可能值的数据类型。这些值通常可以是任意小数，且在理论上没有间隔。例如，时间、温度、长度、重量等都是典型的连续型数据，因为它们可以在某个区间内无限细分。

关键特点：

①无限可分：在任意两个值之间，存在无数个中间值。

②小数可能性：可以精确到小数点后多位（如身高1.75米、温度36.8°C）。

③测量精度：实际应用中可能受限于测量工具，但理论上连续。