线性回归和逻辑回归有什么区别？
279
- London guy
1
2我投票关闭这个问题，因为在Stack Overflow上，机器学习（ML）理论问题是不被允许的。具体信息请参考 gift-wrap candidate for Cross-Validated。 - Daniel F
15个回答
0
简单来说，如果线性回归模型中出现更多远离阈值（例如=0.5）的测试用例，用于预测y=1和y=0。那么在这种情况下，假设将会变得更糟。因此，线性回归模型不适用于分类问题。
另一个问题是，如果分类是y=0和y=1，则h(x)可以大于1或小于0。因此我们使用逻辑回归，其中0<=h(x)<=1。
另一个问题是，如果分类是y=0和y=1，则h(x)可以大于1或小于0。因此我们使用逻辑回归，其中0<=h(x)<=1。
- Adarsh Bahadur
0
简而言之：
线性回归提供连续输出，即在一定范围内的任何值。
逻辑回归提供离散输出，即是/否、0/1等类型的输出。
- Sudeep K Rana
0
线性回归和逻辑回归的基本区别在于：
线性回归用于预测连续或数值型数据，但当我们需要预测分类值时，逻辑回归就会出现。
逻辑回归用于二元分类。
- Tanvi Agarwal
0
在线性回归中，结果是连续的，而在逻辑回归中，结果是离散的（不连续）。
为了执行线性回归，我们需要因变量和自变量之间的线性关系。但是，为了执行逻辑回归，我们不需要因变量和自变量之间的线性关系。
线性回归是将一条直线拟合到数据中，而逻辑回归是将一条曲线拟合到数据中。
线性回归是机器学习中的回归算法，而逻辑回归是机器学习中的分类算法。
线性回归假设因变量服从高斯（或正态）分布。逻辑回归假设因变量服从二项式分布。
- Sandeep R
0
| Basis | Linear | Logistic |
|-----------------------------------------------------------------|--------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------|
| Basic | The data is modelled using a straight line. | The probability of some obtained event is represented as a linear function of a combination of predictor variables. |
| Linear relationship between dependent and independent variables | Is required | Not required |
| The independent variable | Could be correlated with each other. (Specially in multiple linear regression) | Should not be correlated with each other (no multicollinearity exist). |
- Symphony
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
- 相关问题
- 4 MATLAB：线性回归
- 3 线性回归模型
- 3 线性回归代码
- 3 多元线性回归
- 8 为什么逻辑回归被称为回归？
- 9 D3.js 线性回归
- 16 3D线性回归
- 10 比较贝叶斯线性回归和普通线性回归
- 27 逻辑回归和softmax回归的区别
- 3 聚合线性回归