逻辑回归和线性回归有什么区别？

我想了解逻辑回归和线性回归有什么区别。我了解线性回归是一种用于连续变量预测的模型，而逻辑回归则是一种用于离散变量预测的模型。换句话说，线性回归适用于预测数值型变量，例如预测一个人的年收入是多少；而逻辑回归主要用于预测二元分类问题，例如预测一个人是否会购买某种产品。此外，逻辑回归通过使用sigmoid函数来将输出限制在0和1之间，而线性回归则不会进行类似的操作。请问哪位专家可以更详细地解释这两个模型之间的差异？

提问时间：2023-08-05 10:10:58 编辑时间：2023-08-05 10:11:00 提问者： Jungle_Jester
  • Moonlit_Mask
    9

    逻辑回归和线性回归的本质区别在于它们所建模型的目标变量类型不同。线性回归用于连续型响应变量，而逻辑回归用于分类型响应变量。在线性回归中，目标变量是连续的实数域值，而逻辑回归中目标变量则是已知类别的离散值。此外，逻辑回归输出的预测值是概率值，把它们映射为二元分类的预测类别需要使用阈值，通常是0.5，而线性回归则直接输出连续值。此外，逻辑回归中使用Sigmoid函数将模型输出压缩到0到1之间，而线性回归则没有这种转换。最后，逻辑回归的损失函数采用对数损失函数，而线性回归采用平均平方误差损失函数。

    回答时间：2023-08-05 10:11:03
相关标签

逻辑回归 线性回归 区别 分类模型