热线电话：13121318867

登录
首页大数据时代逻辑回归（Logistic Regression）有哪些优缺点?
逻辑回归（Logistic Regression）有哪些优缺点?
2022-12-23
收藏

逻辑回归也是机器学习中常见的一种学习方法，今天我们就来看一看逻辑回归的优缺点。
逻辑回归(Logistic Regression)是一种有监督的统计学习方法，主要用于对样本进行分类。逻辑回归是机器学习中做分类任务常用的方法，属于“广义的线性模型”，即：



考虑二分类任务，其输出标记y∈{0，1},而线性回归模型产生的预测值 z = wx+b是实值，于是，需要将实值z转换为0/1值。最理想的是“单位阶跃函数”：


即若预测值z大于0就判断为正例，小于零则判断为反例，预测值为临界值零则可任意判断。但是阶跃函数不是连续的，不能直接作用于g-()，因此考虑用另一函数代替阶跃函数，即sigmoid函数：



 逻辑回归优缺点：
优点：
(1)对率函数任意阶可导，具有很好的数学性质，许多现有的数值优化算法都可以用来求最优解，训练速度快;
(2)简单易理解，模型的可解释性非常好，从特征的权重可以看到不同的特征对最后结果的影响;
(3)适合二分类问题，不需要缩放输入特征;
(4)内存资源占用小，因为只需要存储各个维度的特征值;
(5)直接对分类可能性进行建模，无需事先假设数据分布，避免了假设分布不准确所带来的问题
(6)以概率的形式输出，而非通过知识直接判断是0还是1，对许多利用概率辅助决策的任务很有用
缺点：
(1)不能用逻辑回归去解决非线性问题，因为Logistic的决策面是线性的;
(2)对多重共线性数据较为敏感;
(3)很难处理数据不平衡的问题;
(4)准确率并不是很高，因为形式非常的简单(非常类似线性模型)，很难去拟合数据的真实分布;
(5)逻辑回归本身无法筛选特征，有时会用gbdt来筛选特征，然后再上逻辑回归。


来CDA学数据分析师，理论结合实战进行项目数据分析，学以致用，助你成为从事数据采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才，点击了解课程详情！


想深入学习统计学知识，为数据分析筑牢根基？那快来看看统计学极简入门课程！

学习入口：https://edu.cda.cn/goods/show/3386?targetId=5647&preview=0

课程由专业数据分析师打造，完全免费，60 天有效期且随到随学。它用独特思路讲重点，从数据种类到统计学体系，内容通俗易懂。学完它，能让你轻松入门统计学，还能提升数据分析能力。赶紧点击链接开启学习，让自己在数据领域更上一层楼！


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

逻辑回归 特征 数据分析 二分类 机器学习 有监督 线性回归 数据采集

数据分析咨询请扫描二维码

若不方便扫码，搜微信号：CDAshujufenxi

上一篇常见的机器学习中损失函数有哪些？
下一篇集成学习是什么？有哪些分类？
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询