logistic回归分析优点_逻辑回归的简单介绍

逻辑回归,又称logistic回归分析,是一种用于分类任务的线性模型,尤其适用于二分类问题。尽管名字中包含“回归”,但它实际上是通过将预测值压缩到(0,1)范围来实现分类。其优点包括实现简单、易于理解和应用,能够提供样本概率分数。然而,当特征空间较大或存在大量多类特征时,逻辑回归可能表现不佳,且容易欠拟合,导致准确度不高。" 78006503,5656309,百度地图坐标转换详解,"['地图API', 'GIS', '坐标系统', '百度坐标', 'JavaScript']
摘要由CSDN通过智能技术生成

2972b38487f42797c297eb1bee68ca27.png

一、逻辑回归的概念

逻辑回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。

二.逻辑回归不是回归

从名字来理解逻辑回归.在逻辑回归中,逻辑(logistics ),并不是因为这个算法是突出逻辑的特性.至于回归,我们前一段讲到回归任务是结果为连续型变量的任务,logistics regression是用来做分类任务的,为什么叫回归呢?那我们是不是可以假设,逻辑回归就是用回归的办法来做分类的呢.

三、逻辑回归从本质来说属于二分类问题

二分类问题是指预测的y值只有两个取值(0或1),二分类问题可以扩展到多分类问题。例如:我们要做一个垃圾邮件过滤系统,x是邮件的特征,预测的y值就是邮件的类别,是垃圾邮件还是正常邮件。对于类别我们通常称为正类(positive class)和负类(negative class),垃圾邮件的例子中,正类就是正常邮件,负类就是垃圾邮件。至于回归,我们前一段讲到回归任务是结果为连续型变量的任务,logistics regression是用来做分类任务的,为什么叫回归呢?那我们是不是可以假设,逻辑回归就是用回归的办法来做分类的呢.跟上思路.

之前我们已经介绍了线性回归模型,如下图所示,预测值h(x)和目标值y越接近,表名模型的预测能力越好。

<
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值