线性回归 vs 逻辑回归：区别详解

线性回归和逻辑回归是两种不同的机器学习算法，主要应用于不同的问题和数据类型。它们的区别如下：

1. 目标函数不同：线性回归的目标是预测一个连续的数值输出，逻辑回归的目标是预测一个二分类的概率输出。

2. 输出类型不同：线性回归输出一个连续的数值，逻辑回归输出一个概率值。

3. 假设函数不同：线性回归使用线性函数来建模预测输出，逻辑回归使用sigmoid函数来建模预测输出。

4. 损失函数不同：线性回归使用平方损失函数，逻辑回归使用对数损失函数（也称为交叉熵损失函数）。

5. 模型参数估计方法不同：线性回归使用最小二乘法来估计模型参数，逻辑回归使用最大似然估计法来估计模型参数。

6. 可解释性不同：线性回归可以直接解释自变量与因变量之间的线性关系，逻辑回归可以解释自变量对因变量概率的影响。

总的来说，线性回归用于预测连续数值输出，逻辑回归用于预测二分类概率输出。