线性回归和逻辑回归的区别

线性回归和逻辑回归都是常用的统计学习方法，它们的主要区别在于：

1. 目标变量不同：线性回归的目标变量是连续型的，适用于回归问题；逻辑回归的目标变量是二元型的，适用于分类问题。

2. 假设条件不同：线性回归假设自变量与因变量之间存在线性关系，并且误差服从高斯分布；逻辑回归假设自变量与因变量之间存在对数几率线性关系。

3. 模型形式不同：线性回归的模型形式是一个线性方程，可以直接求解回归系数；逻辑回归的模型形式是一个对数几率方程，需要通过最大似然估计等方法来求解。

4. 输出结果不同：线性回归的输出结果是一个连续值，适用于回归问题，例如预测房价、销售额等；逻辑回归的输出结果是一个概率值，适用于分类问题，例如预测股票涨跌、识别垃圾邮件等。

总的来说，线性回归适用于连续性因变量的预测问题，而逻辑回归适用于二元分类问题。