5个原因告诉你：为什么在成为数据科学家之前，“逻辑回归”是第一个需要学习的

线性回归不仅仅可以用来预测。如果你有了一个训练好的线性模型，你可以通过它学习到因变量和自变量之间的关系，或者用更多的ML语言来说，你可以学习到特征变量和目标变量的关系。一个简单的例子，房价预测，我们有很多房屋特征，还有实际的房价。我们基于这些数据训练一个线性回归模型，然后得到了很好的结果。通过训练，我们可以发现模型训练后会给每个特征分配相应的权重。如果某个特征权重很高，我们就可以说这个特征比其它的特征更重要。比如房屋大小特征，对于房价的变化会有50%的权重，因为房屋大小每增加一平米房价就会增加10k。线性回归是一个了解数据以及统计规律的非常强的工具，同理，逻辑回归也可以给每个特征分配各自的权重，通过这个权重，我们就可以了解特征的重要性。

5. 因为逻辑回归是学习神经元网络很好的开始

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!