逻辑回归与线性回归的区别和联系

逻辑回归和线性回归都是广泛应用于机器学习领域的算法，它们的联系和区别如下：

联系：
1. 逻辑回归和线性回归都是统计学中常用的回归分析方法，都是通过建立一个函数来描述自变量和因变量之间的关系；
2. 逻辑回归和线性回归都属于广义线性模型的范畴；
3. 逻辑回归和线性回归都可以使用梯度下降等优化算法进行参数估计。

区别：
1. 逻辑回归的因变量是二元变量，即只有两种取值（比如1或0），而线性回归的因变量可以是连续变量；
2. 逻辑回归使用sigmoid函数将自变量映射为一个0到1之间的概率值，而线性回归则直接进行预测；
3. 逻辑回归的参数估计采用的是最大似然估计方法，而线性回归的参数估计采用的是最小二乘法。

总之，逻辑回归和线性回归虽然都属于回归分析方法，但是在应用场景和参数估计方法等方面还是有很大的区别的。