逻辑回归是一种判别式模型，拥有模型正则化方法和概率解释。优点包括实现简单、计算速度快、处理线性可分的二分类问题。但缺点是面对大量特征和非线性问题时性能不佳，且仅适用于线性可分问题。应用广泛，如信用评估、市场营销和地震预测等领域。与其他算法比较，逻辑回归在处理异常点时相对稳定。
逻辑回归算法是最经典的几个机器学习算法之一，本文对它的优点，缺点进行总结。
逻辑回归属于判别式模型，同时伴有很多模型正则化的方法(L0， L1，L2，etc)，而且你不必像在用朴素贝叶斯那样担心你的特征是否相关。与决策树、SVM相比，你还会得到一个不错的概率解释，你甚至可以轻松地利用新数据来更新模型(使用在线梯度下降算法-online gradient descent)。如果你需要一个概率架构(比如，简单地调节分类阈值，指明不确定性，或者是要获得置信区间)，或者你希望以后将更多的训练数据快速整合到模型中去，那么使用它吧。
Sigmoid函数：表达式如下:
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
1539
