逻辑回归和线性回归的区别 定义是什么

逻辑回归：是一种广义的线性回归分析模型。线性回归：利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。逻辑回归：常用于数据挖掘，疾病自动诊断，经济预测等领域。线性回归：常运用于数学、金融、趋势线、经济学等领域。

逻辑回归和线性回归的区别

性质不同

逻辑回归是一种广义的线性回归分析模型；线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

逻辑回归常用于数据挖掘，疾病自动诊断，经济预测等领域；线性回归常运用于数学、金融、趋势线、经济学等领域。

任务定位：线性回归用于回归任务；逻辑回归用于分类任务。

输出值

线性回归输出连续值；逻辑回归输出概率值；本质是因为逻辑回归使用了sigmod函数进行了映射 ，将值域映射到(0,1)，在二类任务中，若大于0.5，则为某个类，小于0.5，为另一类。

损失函数线性回归采用MSE损失函数，逻辑回归采用交叉熵损失函数。

逻辑回归和线性回归是什么意思

逻辑回归也称作logistic回归分析，是一种广义的线性回归分析模型，属于机器学习中的监督学习。其推导过程与计算方式类似于回归的过程，但实际上主要是用来解决二分类问题（也可以解决多分类问题）。通过给定的n组数据（训练集）来训练模型，并在训练结束后对给定的一组或多组数据（测试集）进行分类。其中每一组数据都是由p 个指标构成。

线性回归是一种利用数理统计中回归分析来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

线性回归的表达形式为y= w'x+e，其中e为误差服从均值为0的正态分布。线性回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。