2. 逻辑回归

1. 逻辑回归与线性回归的联系与区别

联系：线性回归对特征加权求和后得到的值作为输入，利用logistic函数将其映射到（0，1）之间，即为逻辑回归。

区别：逻辑回归输出在（0，1）之间

2. 逻辑回归的原理

线性回归结果加入一层函数映射，使其输出值在(0,1）之间，从而控制输出值的范围在可预测范围之内。

3. 逻辑回归损失函数推导及优化

交叉熵描述了两个概率分布之间的距离，常用于分类问题；均方误差常用于回归问题。

4. 正则化与模型评估指标

正则化：为了防止模型参数过多出现过拟合，通过增加一个惩罚项来约束和限制要优化的参数，降低模型的复杂度和不稳定程度，从而避免过拟合的危险。