对数几率回归与逻辑回归

对数几率回归（Logistic Regression）是一种用于解决二分类问题的机器学习算法。它通过建立一个线性模型，并使用逻辑函数（也称为sigmoid函数）将线性输出转换为概率值，从而进行分类预测。

逻辑回归是对数几率回归的特例，它使用对数几率函数（logit函数）作为激活函数。对于二分类问题，逻辑回归模型可以表示为：

h(x) = 1 / (1 + e^(-z))

其中，h(x)表示预测的概率值，z表示线性模型的输出。逻辑回归模型通过最大似然估计或梯度下降等方法来学习模型参数，使得预测结果与实际标签尽可能接近。

逻辑回归具有以下特点：
1. 可以处理二分类问题，输出结果为概率值；
2. 模型简单且易于理解，计算效率高；
3. 可以通过正则化等方法来防止过拟合；
4. 可以使用特征工程来提取有效特征。