我相信这个问题可能不属于精彩类别。但不知何故，学习机器学习我可能从愚蠢的问题开始。所以，请。
我完全理解了回归的条款。
回归基本上给出了依赖变量和自变量之间关系的概念。
如果因变量是连续的，并且如果你看到依赖变量和独立变量之间的线性关系，那么线性回归是一种可行的方法。
现在略有变化。如果从属值可能是二进制值（Y / N），即：输出值是二项分布，那么逻辑回归是一种方法，需要依赖和独立之间的非线性关系。
到目前为止......如果我错了，请纠正我。
现在我的问题是关于序数逻辑回归。
我已开始查看以下链接以供参考
https://statistics.laerd.com/spss-tutorials/ordinal-regression-using-spss-statistics.php
提到＆＃34; 可以将其视为多元线性回归的推广或二项Logistic回归的推广 ＆＃34;。
有人可以通过示例帮助我理解上述声明吗？
答案 0 :(得分：0)
Logistic回归可以视为线性回归的扩展。但它不是预测连续变量，而是通过引入激活函数的计算来预测离散变量。所以，你被要求产生一个基于X的判别函数，你产生一个输出 f：[1,2，...，k] 的函数，其中k是你问题的类数呈现。现在X可以由连续或离散的特征组成。没关系，只要确保对它们进行预处理。
逻辑回归的基本情况是找到划分两个类的决策边界。但是为了添加更多类，您必须实现另一种方法。有几个：softmax（https://en.wikipedia.org/wiki/Softmax_function），one-vs-all（https://en.wikipedia.org/wiki/Multiclass_classification）等。
最后，回答关于序数逻辑回归的问题是逻辑回归的扩展。但是考虑输出变量的顺序，例如在测试的情况下。在线查看示例。