逻辑回归算法是否适用于非线性问题?

我在学习机器学习中遇到了一个疑问,就是逻辑回归算法是否适用于非线性问题。我通过查阅资料了解到逻辑回归在处理非线性问题时,可以通过引入多项式特征或使用核技巧将数据从原始空间映射到高维空间,从而使得原本不可分的数据集变得线性可分,再进行逻辑回归的模型训练。但是这种方法在数据集过大时会导致运算量大幅上升,因此在实践中需要注意平衡时间效率和模型性能。还请各位专家给我提供更深入的解答,谢谢!

提问时间:2023-09-14 11:36:25 编辑时间:2023-09-14 11:36:27 提问者: 蓝雪之恋
  • Zen_Mind
    4

    逻辑回归算法本身是一种线性分类模型,对于非线性问题,逻辑回归需要引入多项式特征或使用核技巧来进行转换,从而使得原本不可分的数据集变得线性可分。但是,这种方法在数据集过大时会导致运算量大幅上升,因此需要注意平衡时间效率和模型性能。同时,还需要注意选择合适的多项式特征或核函数来确保模型的准确性。

    回答时间:2023-09-14 11:36:31