标签：img 过拟合 bsp idt 自己 误差 输出变量 机器 alt
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？
线性回归：通过一个或者多个自变量与因变量之间进行建模的回归方法，其中可以为一个或者多个自变量之间的线性组合。
逻辑回归：逻辑回归是一种用于解决二分类（0 or 1）问题的机器学习方法。
线性回归处理的是回归问题，逻辑回归处理的是分类问题；两者的损失函数不同，线性回归是均方误差，逻辑回归是对数似然损失；
输入变量与输出变量均为连续变量的预测问题是回归问题,输出变量为有限个离散变量的预测问题成为分类问题
2.自述一下什么是过拟合和欠拟合？
在模型复杂度低时（特征数量少），他的测试误差和训练误差损失都非常高这就叫欠拟合；
在模型复杂度高时（特征数量较多），他的测试误差损失也很大，但训练误差很低时就叫过拟合。
3.思考一下逻辑回归的应用场景有哪些？
1.判断某汽车销售平台注册客户是否会购买汽车
2.是否会患病
3.是否是诈骗电话
标签：img 过拟合 bsp idt 自己 误差 输出变量 机器 alt
原文地址：https://www.cnblogs.com/Fishmark/p/12772175.html
