Quelle est la différence entre la régression linéaire et la régression logistique?

La régression linéaire et la régression logistique sont des méthodes d'apprentissage automatique pour résoudre différentes tâches :

• Régression linéaire est utilisée pour prédire des valeurs numériques continues. Le modèle construit une dépendance linéaire entre les caractéristiques d'entrée et la variable cible.

• Régression logistique est appliquée aux tâches de classification, généralement binaire. Elle évalue la probabilité qu'un objet appartienne à l'une des classes, en utilisant la fonction logistique (sigmoïde) pour transformer la combinaison linéaire des caractéristiques en une probabilité comprise entre 0 et 1.

Exemple :

• Régression linéaire : prédiction du prix d'une maison en fonction de sa superficie et du nombre de pièces.
• Régression logistique : déterminer si un email est un spam (oui/non).

La différence principale réside dans la variable cible et la fonction d'activation :

Caractéristique	Régression linéaire	Régression logistique
Type de tâche	Régression (nombre)	Classification (étiquettes de classes)
Variable cible	Continue	Discrète (généralement 0 ou 1)
Fonction d'activation	Linéaire	Logistique (sigmoïde)
Sortie du modèle	N'importe quel nombre	Probabilité (0..1)