机器学习06- 逻辑回归

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