【逻辑回归】常见面试题

写完这部分后参加联想实习面试，问到了好几个。 

面试已过

---

逻辑回归是一个二分类算法，假设特征和结果存在线性映射关系，存在一个目标函数使得输入一个样本后得到对应的概率，再通过sigmoid函数根据设定的阈值分成两类。可以简单认为是线性回归+sigmoid函数。

基本假设：输出的类别服从伯努利二项分布，即输出的结果要么为0，要么为1。

损失函数：逻辑回归的损失函数是它的极大似然函数。

什么是极大似然估计呢？就是根据给定的样本信息，推测最大可能导致这些样本结果出现的模型参数是什么。为什么使用极大似然函数？因为极大似然函数是高阶连续可导的凸函数，可以得到全局最优解。

正则化：在损失函数后加上惩罚项，对某些参数作一些限制

        参考：

L1正则化方法（lasso）和L2（ridge）正则化方法的区别_wangyanao520的博客-CSDN博客_对于线性回归模型l2正则化方法是指