lasso回归和logistic回归区别

Lasso回归和Logistic回归都是回归分析中常用的方法，但是它们的应用场景和方法有所不同。

Lasso回归是一种线性回归的正则化方法，通过限制模型的参数，来达到减小过拟合的目的。Lasso回归的主要思想是将不重要的特征系数设置成0，从而实现特征选择的目的。

Logistic回归是一种分类算法，它可以将数据分为两个或多个离散的类别。Logistic回归使用Sigmoid函数将连续的预测变量转换为预测概率，并将概率与阈值进行比较，从而进行分类。

因此，Lasso回归和Logistic回归的主要区别在于应用场景和方法不同，Lasso回归主要用于线性回归中的正则化和特征选择，而Logistic回归主要用于分类问题的建模。