概要:
- logistic回归是一种分类方法,主要用于两分类问题。
- 把线性模型的结果压缩到[0,1]之间,使其拥有了概率意义。
应用场景:
分类。
优点:
- 实现简单,广泛地应用于工业问题上。
- 分类时计算量非常小,速度很快,存储资源低。
- 便利的观测样本概率分数。
缺点:
- 当特征空间很大时,性能不是很好。
- 容易欠拟合,一般来说准确度不太高。
- 只能处理两分类问题。(在此基础上衍生出来的softmax可以用于多分类),且必须线性可分。
伪代码:
设定最大迭代次数
设定学习速率