逻辑回归算法

逻辑回归和线性回归的区别

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；比如要分析性别、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这个时候就用线性回归来做；如果将体重分类，分成了高、中、低这三种体重类型作为因变量，则采用logistic回归。

延展回答：

逻辑回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。

线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。

参考文档： [1] https://zhidao.baidu.com/question/584983091084171925.html

逻辑回归的应用场合

Logistic regression （逻辑回归）是当前业界比较常用的机器学习方法，用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。

正如我已经提到的，Logistic回归算法将您的输入通过一个线性边界划分为两个“区域”，每类都有一个。所以，您的数据必须是线性可分的，就像下面图像中的数据点一样：

换句话说：当变量Y只有两个值时，您可以考虑使用Logistic回归算法。需要注意的是，Logistic回归算法还可以进行多类分类

逻辑回归的算法思想

https://www.cnblogs.com/ahu-lichang/p/7172145.html

参考文档：

[2] https://www.cnblogs.com/junneyang/p/5262064.html

[3] http://baijiahao.baidu.com/s?id=1600520699827811885&wfr=spider&for=pc