标签:描述 自动 场景 方法 对比 统计 逻辑 逻辑回归 统计学
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?
逻辑回归是一种有监督的统计学习方法,主要用于对样本进行分类。
不同的就是线性回归中,独立变量的系数解释十分明了,就是保持其他变量不变时,改变单个变量因变量的改变量。而在逻辑回归中,自变量系数的解释就要视情况而定了,要看选用的概率分布是什么,如二项式分布,泊松分布等。
2.自述一下什么是过拟合和欠拟合?
过拟合:就是太过贴近于训练数据的特征了,在训练集上表现非常优秀,近乎完美的预测/区分了所有的数据,但是在新的测试集上却表现平平,不具泛化性,拿到新样本后没有办法去准确的判断。
欠拟合:测试样本的特性没有学到,或者是模型过于简单无法拟合或区分样本。
3.思考一下逻辑回归的应用场景有哪些?
1.数据挖掘
2.经济预测
3.疾病自动诊断
标签:描述 自动 场景 方法 对比 统计 逻辑 逻辑回归 统计学
原文地址:https://www.cnblogs.com/rinkong0403/p/13123602.html