目录
1. 为什么不能用线性回归中获得系数的方法来求解逻辑回归中的系数呢?
一、 定义和公式
1. 分类问题
根据已知样本的某些特征,判断新样本属于哪种已知的样本类
常见的分类问题有:垃圾邮件,图像分类,数字识别,考试通过预测...
分类问题的解决方法有:逻辑回归,K近邻KNN,决策树,神经网络...
2. 分类任务与回归任务的区别
分类:判断类别,输出非连续型标签(即类别),如0或1,passed或failed
回归:建立函数关系,输出连续型数值
目录
1. 为什么不能用线性回归中获得系数的方法来求解逻辑回归中的系数呢?
根据已知样本的某些特征,判断新样本属于哪种已知的样本类
常见的分类问题有:垃圾邮件,图像分类,数字识别,考试通过预测...
分类问题的解决方法有:逻辑回归,K近邻KNN,决策树,神经网络...
分类:判断类别,输出非连续型标签(即类别),如0或1,passed或failed
回归:建立函数关系,输出连续型数值