逻辑回归线性回归的区别

逻辑回归与线性回归之间有几个主要区别。首先，逻辑回归使用了一个逻辑函数作为决策边界，使得其决策边界是线性的。而线性回归则没有使用这个逻辑函数。

其次，逻辑回归的因变量是分类型变量，通常是二分类的，但也可以是多分类的。而线性回归的因变量是连续性数值变量。这也是逻辑回归更常用于分类问题的原因。

另外，线性回归要求自变量和因变量呈线性关系，而逻辑回归并不要求自变量和因变量呈线性关系。这意味着逻辑回归可以处理非线性关系的问题。

此外，线性回归要求变量服从正态分布，而逻辑回归对变量分布没有要求。这使得逻辑回归更加灵活，可以适用于多种分布情况。

总结来说，逻辑回归和线性回归在模型形式上有很多相似之处，都属于广义线性模型，但最大的区别在于它们的因变量不同。逻辑回归更适用于分类问题，而线性回归更适用于预测连续数值变量。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [人工智障学习笔记——机器学习(2)线性模型](https://blog.csdn.net/sm9sun/article/details/78424319)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]