logistic回归简介

理解Logistic回归：模型、应用与优化

最新推荐文章于 2025-01-17 10:03:15 发布

原创

最新推荐文章于 2025-01-17 10:03:15 发布 · 1.3w 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#logistic回归分析简介

本文介绍了Logistic回归的概念，它是一种非线性概率模型，用于研究分类结果与影响因素之间的关系。Logistic回归与线性回归的主要区别在于因变量的不同。在Logistic回归中，因变量通常为二分类，如录取/不录取。文章还讨论了Logistic模型的S形特征，并提及在处理非线性可分数据时的优势。最后，文章提到了使用牛顿法进行模型优化以及避免过拟合和欠拟合的方法。

logistic回归

一、名词解释：

logistic回归又称罗杰斯蒂克回归分析，或逻辑回归分析。

Logistic回归为概率型非线性回归模型，是研究分类观察结果y与一些影响因素x（单变量，多变量都可以）之间关系的一种多变量的分析方法。

二、与线性回归的关系

logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同，其他的基本都差不多，正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalized linear model）。这一家族中的模型形式基本上都差不多，不同的就是因变量不同，如果是连续的，例如身高，体重等，就是多重线性回归，如果是