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？

2.自述一下什么是过拟合和欠拟合？

3.思考一下逻辑回归的应用场景有哪些？

 

答：

1. 逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。

2.

过拟合：

一个模型在训练数据上获得了相比于其他模型更好的拟合，但是在其他的数据集上却不能很好的拟合数据，即模型过于复杂。

原因：训练集的原始特征过多，导致存在一些嘈杂特征，而模型却去兼顾了每一个特征点导致。

解决方法：进行特征选择；交叉验证；正则化

欠拟合：模型简单，数据偏少，在训练集上的准确率不高。

3.逻辑回归的应用场景:预测明天天气的概率 比如阴天概率，晴天概率，雨天概率。
还有最近那个vr台球，在什么方向对准他，他就会显示出一个击打台球之后的路线，通过调整击打路线，来精确的让台球进袋。我感觉这个也是通过逻辑回归来预测进袋的路线和概率。

标签：逻辑,概率,回归,台球,拟合,模型
来源： https://www.cnblogs.com/zghs/p/12777294.html