逻辑回归or线性回归，傻傻分不清楚

欢迎关注”生信修炼手册”!

线性回归作为一种常用的关联分析工具，其功能强大，解释度高，但是其缺点也是很明显的。其只适用于处理连续型的变量，无法处理离散型的变量，比如对于case/control的实验设计，患病与否的临床信息，线性回归就无能无力了，此时我们就需要另外一种方法-逻辑回归。

线性回归是属于回归分析的一种，从名称上来，逻辑回归好像也属于回归分析，其实不然。在机器学习领域有两大类问题，回归和分类，回归指的是针对因变量为连续型变量的分析，而分类则是针对离散型因变量的分析。从这一点来看，逻辑回归其实是属于分类问题。

那么为何其名称中又包含了回归这个单词呢，是因为其核心思想和回归分析是一样的，通过构建回归方程来解决问题。以最基本的一个自变量，二分类因变量为例，其数据分布如下

因变量对应的y轴对应两条水平线，而x轴可以有很灵活的变量范围，可以想象，对于这样的数据，用任意直线来拟合效果都很差，绝大部分的点都会落不到直线附近。因此，数学家提出了一个独特的拟合函数，称之为sigmod函数，其分布类似S型曲线，示意如下