标签：描述 bsp ble style 逻辑回归 模型 class pac 不同
1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？
2.自述一下什么是过拟合和欠拟合？
3.思考一下逻辑回归的应用场景有哪些？
1.逻辑回归：逻辑回归是一种用于解决二分类问题的机器学习方法，用于估计某种事物的可能性。
|
线性回归 |
逻辑回归 |
|
要求变量服从正态分布 |
对变量分布没有要求 |
|
要求因变量是连续性数值变量 |
要求因变量是分类型变量 |
|
要求自变量和因变量呈线性关系 |
不要求自变量和因变量呈线性关系 |
|
直接分析因变量与自变量的关系 |
因变量取某个值的概率与自变量的关系 |
2.过拟合：模型学习能力过强，把“不该学”的也学了。
欠拟合：模型学习能力过差，“该学”的没完全学到。
3.可以应用的场景：比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。
标签：描述 bsp ble style 逻辑回归 模型 class pac 不同
原文地址：https://www.cnblogs.com/seele233/p/12763208.html
