6.逻辑回归
1.用自己的话描述一下,什么是逻辑回归,与线性回归对比,有什么不同?
逻辑回归又称logistic回归分析,它将数据拟合到一个logit函数或者是logistic函数中,从而能够完成对事件发生的概率进行预测,常用于数据挖掘,疾病自动诊断,经济预测等领域;与线性回归对比,不同在线性回归是一种聚类方法,逻辑回归却是一种分类学习方法,线性回归要求因变量必须是连续性数据变量;逻辑回归要求因变量必须是分类变量,二分类或者多分类的。
2.自述一下什么是过拟合和欠拟合?
欠拟合
因为对于给定数据集,欠拟合的成因大多是模型不够复杂、拟合函数的能力不够。
为此可以增加迭代次数继续训练、尝试换用其他算法、增加模型的参数数量和复杂程度,或者采用Boosting等集成方法。
过拟合
过拟合成因是给定的数据集相对过于简单,使得模型在拟合函数时过分地考虑了噪声等不必要的数据间的关联。或者说相对于给定数据集,模型过于复杂、拟合能力过强。
3.思考一下逻辑回归的应用场景有哪些?
数据挖掘,
疾病自动诊断,
经济预测等领域