1、什么是逻辑回归?(Logistic Regresssion)
逻辑回归(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法,用于估计某种事物的可能性。逻辑回归既可以看做是一个回归算法,也可以看作是一个分类问题,通常是用过分类,并且是二分类。 分类主要是基于得到结果,获得结果是一个概率,然后根据概率来进行分类。 比如判断一个肿瘤是良性还是恶性,如果计算良性的概率是0.4, 那么我们认为是恶性的,如果是大于0.5, 我们认为是良性的。
2、逻辑回归和线性回归的区别?
逻辑回归(Logistic Regression)与线性回归(Linear Regression)都是一种广义线性模型(generalized linear model)。
逻辑回归假设因变量 y 服从伯努利分布,而线性回归假设因变量 y 服从高斯分布。 因此与线性回归有很多相同之处,去除Sigmoid映射函数的话,逻辑回归算法就是一个线性回归。可以说,逻辑回归是以线性回归为理论支持的,但是逻辑回归通过Sigmoid函数引入了非线性因素,因此可以轻松处理0/1分类问题。
3、什么预测函数? 如何构建预测函数?
所谓的预测函数就是将获取的模型参数应用到新的测试数据上,从而获取预期的结果。 在线性