当前位置: 首页 > 数据分析师 > 数据分析师实战技能 > 数据分析师数据分析 > 机器学习常见算法优缺点之逻辑回归

机器学习常见算法优缺点之逻辑回归

发布时间:2020年09月28日 04:59:12 来源: 点击量:584

【摘要】 我们在学习机器学习的时候自然会涉及到很多算法,而这些算法都是能够帮助我们处理更多的问题。其中,逻辑回归是机器学习中一个常见的算


我们在学习机器学习的时候自然会涉及到很多算法,而这些算法都是能够帮助我们处理更多的问题。其中,逻辑回归是机器学习中一个常见的算法,在这篇文章中我们给大家介绍一下关于逻辑回归的优缺点,大家有兴趣的一定要好好阅读哟。


首先我们给大家介绍一下逻辑回归的相关知识,逻辑回归的英文就是Logistic Regression。一般来说,逻辑回归属于判别式模型,同时伴有很多模型正则化的方法,具体有L0, L1,L2,etc等等,当然我们没有必要像在用朴素贝叶斯那样担心我的特征是否相关。这种算法与决策树、SVM相比,我们还会得到一个不错的概率解释,当然,我们还可以轻松地利用新数据来更新模型,比如说使用在线梯度下降算法-online gradient descent。如果我们需要一个概率架构,比如说,简单地调节分类阈值,指明不确定性,或者是要获得置信区间,或者我们希望以后将更多的训练数据快速整合到模型中去,我们可以使用这个这个算法。


那么逻辑回归算法的优点是什么呢?其实逻辑回归的优点具体体现在5点,第一就是实现简单,广泛的应用于工业问题上。第二就是分类时计算量非常小,速度很快,存储资源低。第三就是便利的观测样本概率分数。第四就是对逻辑回归而言,多重共线性并不是问题,它可以结合L2正则化来解决该问题。第五就是计算代价不高,易于理解和实现。

当然,逻辑回归的缺点也是十分明显的,同样,具体体现在五点,第一就是当特征空间很大时,逻辑回归的性能不是很好。第二就是容易欠拟合,一般准确度不太高。第三就是不能很好地处理大量多类特征或变量。第四个缺点就是只能处理两分类问题,且必须线性可分。第五个缺点就是对于非线性特征,需要进行转换。


那么逻辑回归应用领域都有哪些呢?逻辑回归的应用领域还是比较广泛的,比如说逻辑回归可以用于二分类领域,可以得出概率值,适用于根据分类概率排名的领域,如搜索排名等、逻辑回归的扩展softmax可以应用于多分类领域,如手写字识别等。当然,在信用评估也有逻辑回归的使用,同时逻辑回归可以测量市场营销的成功度。当然,也可以预测某个产品的收益。最后一个功能比较有意思,那就是可以预定特定的某天是否会发生地震。


我们在这篇文章中给大家介绍了关于机器学习中逻辑回归算法的相关知识,从中我们具体为大家介绍了逻辑回归算法的优缺点以及应用领域。相信大家能够通过这篇文章能够更好的理解逻辑回归算法。

分享到: 编辑:wangmin

就业培训申请领取
您的姓名
您的电话
意向课程
点击领取

环球青藤

官方QQ

扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群

绑定手机号

应《中华人民共和国网络安全法》加强实名认证机制要求,同时为更加全面的体验产品服务,烦请您绑定手机号.

预约成功

本直播为付费学员的直播课节

请您购买课程后再预约

环球青藤移动课堂APP 直播、听课。职达未来!

安卓版

下载

iPhone版

下载
环球青藤官方微信服务平台

刷题看课 APP下载

免费直播 一键购课

代报名等人工服务

课程咨询 学员服务 公众号

扫描关注微信公众号

APP

扫描下载APP

返回顶部