线性回归与逻辑回归的直观理解区别

线性回归

简单来说，线性回归算法就是找到一条直线（一元线性回归）或一个超平面（多元线性回归）能够根据输入的特征向量来更好的预测输出y的值。
$y = \theta_{0}x_{0} + \theta_{1}x_{1} + \theta_{2}x_{2} + ...... + \theta_{n}x_{n}$

逻辑回归

logistic回归用于解决的是分类问题，其基本思想是：根据现有数据对分类边界线建立回归公式,以此进行分类。也就是说，logistic 回归不是对所有数据点进行拟合，而是要对数据之间的分界线进行拟合。
$y = h_{\theta}(x) = sigmoid(\theta^{T}X) = \frac{1}{1 + e ^{-\theta^{T}X}}$

image.png

最后编辑于：2021.12.24 16:55:15

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。