- 1、逻辑回归与线性回归的联系与区别
逻辑回归和线性回归的变量不同,逻辑回归用于分类,线性回归用于预测
- 2、 逻辑回归的原理
建立模型->代价函数->优化->最优模型参数,测试集测试。
- 3、逻辑回归损失函数推导及优化
参考:https://blog.csdn.net/ligang_csdn/article/details/53838743
- 4、 正则化与模型评估指标
正则化为了防止过拟合,正则化可以选择L1、L2范数。
- 5、逻辑回归的优缺点
优点:适用于二分类问题
缺点:对数据和场景的适应能力有限
- 6、样本不均衡问题解决办法
1.人工生成数据
2.对数据进行重采样
- 7. sklearn参数
参考:https://blog.csdn.net/jark_/article/details/78342644
最优作业可参考:https://github.com/trembous/homework_summary/blob/master/29-野比大雄-20190302-20190303_02.ipynb