每天五分钟机器学习：为什么线性回归算法无法处理分类问题？

本文重点：

在分类问题中，你要预测的变量 y 是离散的值，我们将学习一种叫做逻辑回归的机器学习分类算法。在分类问题中，我们尝试预测的是：样本是否属于某一个类（例如是或者否）。

分类问题的例子

判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；还有之前我们也谈到了肿瘤分类问题的例子，区别一个肿瘤是恶性的还是良性的，这些都是常见的分类问题。

二分类

二分类是常见的分类问题，我们将因变量y可能属于的两个类分别称为负向类和正向类，则因变量y∈{0，1}，其中 0 表示负向类，1 表示正向类。

那么我们怎样才能解决分类问题呢？我们前面学习了线性回归算法，我们来看一下线性回归算法是否可以解决这个分类的问题呢？

线性回归解决分类问题

我们可以看出这个数据集分为两类（y=1，y=0），如果要是使用线性回归算法来进行分类的话，我们可以使用线性回归的方法来使用一条直线来拟合这些数据

我们可以看出分类的效果挺好的，我们可以看到这条直线确实将不同类别的样本分开了，但是如果我们在增加一个样本呢？