逻辑回归数据集标签的含义是什么？

Question

我已经学习了Logistic回归几天，我认为逻辑回归的数据集的标签需要是1或0，是不是？

但是当我查找libSVM库的regression dataset时，我看到标签值是连续数字（例如1.0086,1.0089 ......），我错过了什么吗？

请注意，libSVM库可用于回归问题。

非常感谢！

Answer 1

与其名称相反，逻辑回归是一种分类算法，它输出以数据点为条件的类概率。因此，训练集标签需要为0或1.对于您提到的数据集，逻辑回归不是合适的算法。

SVM是一种分类算法，它使用输入标签-1或1.它不是概率算法，也不输出类概率。它也可以适应回归。

Answer 2

您是使用第三方库还是自己编程？通常，标签用作基本事实，因此您可以看到您的方法的效果。

例如，如果您的算法试图预测某个特定实例可能输出-1，则地面实况标签将为+1，这意味着您未成功对该特定实例进行分类。

Answer 3

请注意，“回归”是一个通用术语。说某人将进行回归分析并不一定告诉你他们将使用什么算法，也不一定告诉你数据集的所有性质。所有它真正告诉你的是，你有一组样本，你想用它来预测一个结果值（一个条件概率的模型）。

逻辑回归和线性回归之间的一个主要区别是，前者通常在分类的二元标记样本集上进行训练;而后者则接受真实标记（ℝ）样本集的培训。

任何时候您的标签都是真正有价值的，这意味着您可能会使用线性回归或类似标签，或者将这些实值标签转换为分类标签（例如通过阈值或箱子）你想要实际使用逻辑回归。如果您尝试将一个此类问题设置转换为另一个问题，则结果的质量和解释可能会有很大差异。

另见Regression Analysis。