线性回归和逻辑回归总结

线性回归和逻辑回归的详细介绍在前面已经讲过了，这里只是介绍下两者的联系和区别！

线性回归举例：假设你的朋友有套房子出售（尺寸为1500），让你告诉他一个参考价格。

  你手中有很多数据，如图中“ד所示，每一个”ד代表某尺寸的房子对应的价格，如下图所示。（有监督学习）

  

    根据线性回归，你可以求出拟合这些数据的，下图蓝色线所示：

     有了之后，=280即为你朋友房子的价格，如上图绿色线所示。

逻辑回归举例： 告诉你肿瘤的大小，让你判断是否为恶性肿瘤（二分类问题）。

  你手中有八个数据，如图中“ד所示，左边四个”ד为非恶性，右边四个”ד为恶性，如下图所示。（有监督学习）

   

根据逻辑回归，你可以求出区分这两类数据的直线 ，下图蓝色线所示：

如果给出的肿瘤大小在蓝色线左边，则为非恶性，如果在蓝色线右边，则为恶性。

所以，线性回归和逻辑回归都是围绕怎么求  ，使得预测效果最好。

引入Cost Function （说白了就是误差），利用梯度下降的方法求出  最小时对应的，将带入即可求出。

二则的区别：线性回归是用在连续值的预测，而逻辑回归是用在二值预测。