就MSE,R平方或MAE而言,线性回归和Logistic回归之间的主要区别是什么

时间:2019-11-15 15:52:23

标签: python machine-learning linear-regression logistic-regression

我在堆栈溢出中看到了很多答案,根据其中一个答案,我找到了一个有效的答案- 线性回归使用普通最小二乘法来最大程度地减少误差并获得最佳拟合,而逻辑回归使用最大似然方法来求解。 线性回归通常是通过最小化模型对数据的最小二乘误差来解决的,因此对大误差进行二次惩罚。逻辑回归正好相反。使用logistic损失函数会导致大误差被惩罚为渐近常数。

因此,即使两个函数都使用不同的方法对错误进行惩罚,即使两个分类器均已完成数据归一化(使用sklearn),但两个函数的结果是否都可能存在巨大差异? 多重线性调节的结果 MSE- 37.27418021905559 MAE-30.04448048489848 逻辑回归 MSE -76.70855954013724 MAE-61.96228295828829

0 个答案:

没有答案