线性回归:
一个特征值时输入的数据集就是二位坐标x,y上面的点。画一根线最可以拟合这些数据,这样下一个数据到来时就可以得到预测的y值,所以线性回归适合预测结果。
逻辑回归:
如果标签有两个,即给定数据集想判断某个事情发生还是不发生(当然也可以是3个以上的结果),给一堆数据如果用线性回归只能拟合这些数据,不能完全划分两个结果,所以逻辑回归的出现是为了分类。y的输出值不是0就是1 更适合于分类问题而不是预测问题。
线性回归:
一个特征值时输入的数据集就是二位坐标x,y上面的点。画一根线最可以拟合这些数据,这样下一个数据到来时就可以得到预测的y值,所以线性回归适合预测结果。
逻辑回归:
如果标签有两个,即给定数据集想判断某个事情发生还是不发生(当然也可以是3个以上的结果),给一堆数据如果用线性回归只能拟合这些数据,不能完全划分两个结果,所以逻辑回归的出现是为了分类。y的输出值不是0就是1 更适合于分类问题而不是预测问题。