逻辑回归是一种预测样本概率的算法，它将线性回归的结果转化为[0,1]区间内的概率值，常用于二分类问题。在实际应用中，如银行风控，通过设置阈值将概率转换为放款或不放款的分类决策。虽然线性回归可以计算预测值，但其值域不受限，不适合直接表示概率。逻辑回归通过特定公式确保预测值符合概率的范围，提高模型的可信度。"
111609689,10293045,R语言绘制微生物Alpha多样性曲线：稀释曲线与Shannon、Chao1指数,"['微生物分析', '生物信息学', 'R编程', '数据可视化']
- 概念：
其原理是将样本的特征和样本发生的概率联系起来，即，预测的是样本发生的概率是多少。由于概率是一个数，因此被叫做“逻辑回归”。
在线性回归算法的例子中，我们进行房价预测得到的结果值，就是我们预测的房价，是一个数值。
但是我们在逻辑回归算法中，得到的预测值是一个概率，然后在概率的基础上多做一步操作，得到分类的结果。比如某银行使用逻辑回归做风控模型，先设置一个阈值0.5，如果得到它逾期的概率大于0.5，就不放款；否则就放款。对于“放款” or “不放款”来说，实际上是一个标准的分类问题。
通过这个小例子我们可以看到，在回归问题上再多做一步，就可以作为分类算法来使用了。逻辑回归只能解决二分类问题，如果是多分类问题，LR本身是不支持的。
对于线性回归来说，通过传递的自变量x来计算预测值：。其中实际上就是参数与样本的矩阵相乘，。那我们可不可以找到一组参数，与特征矩阵相乘，直接得到表示概率的结果呢？
单单从应用的角度来说，是可以的，但是并不好。这是因为线性回归得到值是没有限制的，值域从负无穷到正无穷的值。而对于概率来说，其值域为[0,1]，是有限制的。如果直接使用线性回归得到的结果，使得最终拟合的结果可信程度较差。
- 公式推导
-
逻辑回归的调用
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
