四种线性分类模型

记录第三章的碎碎念。

1 回归和分类的区别

首先来阐述一下分类和回归的区别！
（1）分类：是给定一组数据，通过训练集得到它所对应的类别，是对离散变量的预测。
（2）回归：给定一组连续的数据，得到输出值，是对连续变量的预测。
通过一个例子来理解，特征是房屋面积，朝向，层数，输出值为房屋价格，有一组新的面积朝向层数是已知数据中没有的，就要通过回归函数去预测。而如果特征是面积，价格层数，输出值为朝向（东，南，西，北），则变成了一个分类任务。

2 四种线性分类模型

这些模型的主要区别时使用了不同的损失函数。

2.1 logistic模型（二分类）

2.1.1 logistic模型原理

逻辑回归（也叫对数几率回归）其实就是用来解决一个二元分类问题。虽然有回归二字，但人家是一个分类模型而不是一个回归模型！！！
人家名字里面有“回归”二字，所以也不是白叫的，当然与回归模型有联系。
首先给出线性回归模型：