您好,今天琪琪来为大家解答以上的问题。逻辑回归和线性回归的区别相信很多小伙伴还不知道,现在让我们一起来看看吧！

逻辑回归和线性回归的区别 逻辑回归与线性回归区别

逻辑回归和线性回归的区别 逻辑回归与线性回归区别

1、回归按照自变量的个数划分为一元回归和多元回归。

2、只有一个自变量的回归叫一元回归，有两个或两个以上自变量的回归叫多元回归。

3、感知机的运作原理2、相关分析中,x与y都是随机变量,而在回归分析中,y是随机变量,x可以是随机变量,也可以是非随机的,通常在回归模型中,总是定x是非随机的；是逻辑判断流程。

4、在之前的文章中我们已经讲过了逻辑回归分类器，现在趁热打铁总结一下与逻辑回归非常相似的感知机模型。

5、感知机模型是一个非常古老的分类算法，现在很少会单独使用它，但是它的原理简单有效，很值得学习和理解，从原理上来说，感知机模型是神经网络和支持向量机的基础，理解了感知机有利于理解支持向量机和神经网络的原理。

6、在 广义线性模型（4）逻辑回归 中我们说逻辑回归可以视为包含一个线性回归和一个值域映射两个过程，如果拿逻辑回归与感知机作比较的话，可以说感知机也同样包括这两个过程，只不过它的值域映射比逻辑回归简单很多，感知机直接将线性模型的输出映射为+1和-1，即需要预测的两个类别上，正可谓简单粗暴。

7、所以说，感知机也是线性模型，用来处理线性可分的二分类问题，同样属于判别模型。

8、感知机设数据线性可分的，希望通过学习得到一个线性的决策边界，将训练数据集正样本点和负样本点完全正确分开的分离，在决策边界一侧为正样本，另一侧为负样本，这个思路跟逻辑回归是一样的。

9、感知机模型可以表示为下式，其中 函数将线性模型的输出映射为预测类别：由点回归的种类：到超平面的距离计算方法可知： 代表了样本点到决策边界的距离（文章没有用 的形式，抛弃了常数项的问题，其实是不准确的，若有看官，还请不要介意）；。

本文到这结束，希望上面文章对大家有所帮助。