逻辑回归学习图
因为名字里面有个“回归”，那就先说下回归的类别：
广义线性模型家族里，依据因变量不同，可以有如下划分：
（1）如果是连续的，就是多重线性回归。
（2）如果是二项分布，就是逻辑回归。
（3）如果是泊松（Poisson）分布，就是泊松回归。
（4）如果是负二项分布，就是负二项回归。
（5）逻辑回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。所以实际中最常用的就是二分类的逻辑回归。
线性回归和逻辑回归的区别
线性回归vs逻辑回归
下面具体解释一下：
- 拟合函数和预测函数什么关系呢？简单来说就是将拟合函数做了一个逻辑函数的转换，Sigmod函数将𝑦∈(−∞,+∞)，转换后使得𝑦(𝑖)∈(0,1);
- 最小二乘和最大似然估计可以相互替代吗？回答当然是不行了。我们来看看两者依仗的原理：最大似然估计是计算使得数据出现的可能性最大的参数，依仗的自然是Probability。而最小二乘是计算误差损失(平方差)。
（内容基于网络参考后梳理，用于个人学习，如有侵权，请留言）
