Mi a különbség a lineáris és a logisztikus regresszió között?

Lineáris és logisztikus regressziók gépi tanulási módszerek különböző feladatok megoldására:

• Lineáris regresszió folyamatos numerikus értékek előrejelzésére szolgál. A modell lineáris függőséget épít be a bemeneti jellemzők és a célszám között.

• Logisztikus regresszió általában bináris osztályozási feladatokra alkalmazható. Értékeli, hogy egy objektum melyik osztályhoz tartozik, a logisztikus (szigmoid) függvény segítségével alakítja át a jellemzők lineáris kombinációját valószínűségre 0 és 1 között.

Példa:

• Lineáris regresszió: egy ház árának előrejelzése a terület és a szobák száma alapján.
• Logisztikus regresszió: meghatározni, hogy egy e-mail spam-e (igen/nem).

A fő különbség a célszám és az aktivációs függvény között:

Jellemző	Lineáris regresszió	Logisztikus regresszió
Feladat típusa	Regresszió (szám)	Osztályozás (osztálycímkék)
Célszám változó	Folytonos	Diszkrét (általában 0 vagy 1)
Aktivációs függvény	Lineáris	Logisztikus (szigmoid)
Modell kimenete	Bármilyen szám	Valószínűség (0..1)