标签：机器学习算法 应用 运用 过多 训练 自动 习惯 算法 利用
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？
线性回归要求因变量必须是连续性数据变量；逻辑回归要求因变量必须是分类变量，二分类或者多分类的；比如要分析性别、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这个时候就用线性回归来做；如果将体重分类，分成了高、中、低这三种体重类型作为因变量，则采用逻辑回归。
性质不同
逻辑回归：是一种来广义的线性回归分析模型。
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。
应用不同
逻辑回归：常用于自数据挖掘，疾病自动诊断，经济预测等领域。
线性回归：常运用于数学、金融、趋势线、经济学等领域。
2.自述一下什么是过拟合和欠拟合？
我认为欠拟合是机器学习算法无法从初始训练数据中推断出有效知识。与此相反，过拟合与创建的假设过于普通或抽象而又不切实际的假设模型有关。简单来说，欠拟合模型过于简单，而过拟合模型会产生过多不存在的东西。
3.思考一下逻辑回归的应用场景有哪些？
数据挖掘，疾病自动诊断，经济预测等领域。
标签：机器学习算法 应用 运用 过多 训练 自动 习惯 算法 利用
原文地址：https://www.cnblogs.com/ly888/p/12777345.html
