本文探讨了逻辑斯蒂分布和logit转换在二分类问题中的应用，解释了为何在二分类问题中放弃使用线性回归，转而采用逻辑斯蒂回归。文章还介绍了逻辑回归的求解过程，包括似然函数和目标函数，并分享了实际应用逻辑回归的数据预处理经验。此外，对比了经典线性模型和逻辑回归在优化目标函数上的差异，并从广义线性模型的角度阐述了两者的导出过程。
经典线性模型自变量的线性预测就是因变量的估计值。 广义线性模型：自变量的线性预测的函数是因变量的估计值。常见的广义线性模型有：probit模型、poisson模型、对数线性模型等等。对数线性模型里有：logistic regression、Maxinum entropy。本篇是对逻辑回归的学习总结，以及广义线性模型导出逻辑回归的过程。下一篇将是对最大熵模型的学习总结。本篇介绍的大纲如下：
1、逻辑斯蒂分布，logit转换
2、在二分类问题中，为什么弃用传统的线性回归模型，改用逻辑斯蒂回归？
3、逻辑回归模型的求解过程？
4、实际应用逻辑回归时数据预处理的经验总结。但经验有限，如果有哪位网友这块经验丰富，忘指教，先谢过
5、为什么我们在实际中，经典线性模型的优化目标函数是最小二乘，而逻辑回归则是似然函数
6、从最根本的广义线性模型角度，导出经典线性模型以及逻辑回归
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
