В чем разница линейной и логистической регрессии?

Линейная и логистическая регрессии — это методы машинного обучения для решения разных задач:

• Линейная регрессия используется для предсказания непрерывных числовых значений. Модель строит линейную зависимость между входными признаками и целевой переменной.

• Логистическая регрессия применяется для задач классификации, обычно бинарной. Она оценивает вероятность принадлежности объекта к одному из классов, используя логистическую функцию (сигмоиду) для преобразования линейной комбинации признаков в вероятность от 0 до 1.

Пример:

• Линейная регрессия: предсказание цены дома по площади и количеству комнат.
• Логистическая регрессия: определение, является ли электронное письмо спамом (да/нет).

Основное отличие в целевой переменной и функции активации:

Характеристика	Линейная регрессия	Логистическая регрессия
Тип задачи	Регрессия (число)	Классификация (метки классов)
Целевая переменная	Непрерывная	Дискретная (обычно 0 или 1)
Функция активации	Линейная	Логистическая (сигмоида)
Выход модели	Любое число	Вероятность (0..1)