线性回归为什么不适合做分类

线性回归不适合做分类主要有下面两个原因：

• 线性回归的预测值是连续值得形式，不是概率的形式
• 对数据分布比较敏感

假设有如下的数据，age小于20的样本label为1，age>20的样本label为0

理想情况下，应该有个z字型的函数去拟合这些样本，产生的效果是最好的，如下：

输出的形式不符合

对于一元函数，线性回归线应该是一条直线，所以无法以Z字型的姿态去拟合，并且要使均方差最小，只能通过下图所示的形式，斜穿过样本，这样的准确性显然是得不到保障的。
并且线性回归预测的结果是一个数值，可能会不在0到1之间，这样就没有实际意义。

对样本分布敏感

假如现在负样本比较多，那么回归线将会更靠近负样本，使得正样本的预测值下降。
为了使损失函数（均方差）最小化，回归线要朝着负样本的方向移动；

小结

所以综上，大致上linear regression的输出形式和其损失函数的性质导致其不适合做分类