66问答网
所有问题
当前搜索:
逻辑回归是分类还是回归
逻辑回归和
线性回归的区别是什么?
答:
一、性质不同 1、
逻辑回归
:是一种广义的线性回归分析模型。2、线性回归:利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。二、应用不同 1、逻辑回归:常用于数据挖掘,疾病自动诊断,经济预测等领域。2、线性回归:常运用于数学、金融、趋势线、经济学等领域...
逻辑回归
等于什么加什么
答:
前面说过,机器学习算法中的监督式学习可以分为2大类:分类模型:目标变量
是分类
变量(离散值);回归模型:目标变量是连续性数值变量。
逻辑回归
通常用于解决分类问题,例如,业界经常用它来预测:客户是否会购买某个商品,借款人是否会违约等等。实际上,“分类”是应用逻辑回归的目的和结果,但中间过程依旧...
分类
与
回归
区别是什么?
答:
首先,让我们看看它们的基本区别。
分类
模型,例如
逻辑回归
,将线性回归的连续输出通过sigmoid函数进行离散化,将其转化为类别概率。在二分类中,它通过设置阈值将输出分为两个类别。进一步,对于多分类问题,通过softmax函数将多个类别赋予概率分布。而回归模型,如线性回归,直接输出连续的数值,比如预测值或...
逻辑回归
解决的是什么问题
答:
在研究X对于Y的影响关系时,如果Y为定类数据,比如是否愿意购买,是否愿意推荐,出行方式偏好,总统候选人选择偏好等。当Y为定类数据时,则应该使用
Logistic回归
分析,而具体来看,logistic回归可以划分为二元logistic回归分析,或者多
分类logistic回归
分析。二者即有相同之处,也有不同的地方。主要区别在于Y的...
什么样的数据需要用
逻辑回归
?
答:
分类变量为因变量,连续变量为自变量,做
逻辑回归
。或者
是分类
变量为自变量,连续变量为因变量,而且是做线性关系,则先将分类变量设置虚拟变量,再做线性回归。线性回归通常是人们在学习预测模型时首选的技术之一。在这种技术中,因变量是连续的,自变量可以是连续的也可以是离散的,回归线的性质是线性的。...
逻辑回归是
线性回归吗
答:
然而,对于更常见的非线性所做的转化来说,自变量在
logistic回归
中造成的影响有许多解释。第一种解释方法直接使用了从logistic回归得出的系数。
Logistic回归
系数简单表示自变量每变化一个单位,预测的发生某事件或者具有某种特征的比数对数的改变。除了因变量的单位代表的是比数对数,系数的解释和普通回归中的...
逻辑回归
与决策树在
分类
上的一些区别
答:
营销预测模型的目标变量很多为一种状态或类型,如客户“买”
还是
“不买”、客户选择上网方式为 “宽带”还是“拨号”、营销战通道是邮件、电话、还是网络。我们把这类问题统称为 “
分类
”。决策树和
逻辑回归都是
解决“分类”问题的高手。用不同的算法解答同样的问题,自然引出了两者孰优孰劣的讨论,但...
明年一月股票价格属于
逻辑回归
问题吗
答:
逻辑回归
这个模型很神奇,虽然它的本质也是回归,但是它是一个
分类
模型,并且它的名字当中又包含”回归“两个字,未免让人觉得莫名其妙。如果是初学者,觉得头晕是正常的,没关系,让我们一点点捋清楚。让我们先回到线性回归,我们都知道,线性回归当中 y = WX + b。我们通过W
和
b可以求出X对应的y,这里的y是一个连续...
逻辑回归
可以做中介嘛
答:
应该可以,看个人的运用能力和程度。
逻辑回归是
用来解决
分类
问题用的,与线性回归不同的是,逻辑回归输出的不是具体的值,而是一个概率。除去了sigmoid函数的逻辑归回和线性回归几乎是一样的。有人说逻辑回归不是回归,因为输出的不是回归值。也可理解为逻辑回归是先求回归函数,再将结果通过逻辑函数转化...
SVM
和logistic回归
分别在什么情况下使用
答:
两种方法都是常见的分类算法,从目标函数来看,区别在于
逻辑回归
采用的是logistical loss,svm采用的是hinge loss。这两个损失函数的目的都是增加对分类影响较大的数据点的权重,减少与分类关系较小的数据点的权重。SVM的处理方法是只考虑support vectors,也就
是和分类
最相关的少数点,去学习分类器。而逻辑...
<涓婁竴椤
1
2
3
4
5
6
7
8
9
10
涓嬩竴椤
灏鹃〉
其他人还搜
什么是逻辑回归分析
逻辑回归和非线性回归的区别
逻辑回归处理什么问题
分段逻辑回归
逻辑回归是回归分析的一种
逻辑回归可以带入其他回归吗
逻辑回归非线性模型
逻辑回归必知必会
线性回归与逻辑回归