线性回归于逻辑回归损失函数的由来
把这两个放在一起不是因为名字像，而是因为推到过程所用的方法是一样的，都是求最大似然函数：已知结果，假设概率分布函数，求解使结果出现的概率最大的参数
1.线性回归：损失函数为最小二乘损失1/2（y-y^）^2
假设误差e=y-y^满足均值为0，方程为一个常数的整体分布，最大化对数似然函数后，可推导出最终的损失为最小二乘
2.逻辑回归：实际上逻辑回归解决的是一个分类问题，主要是二分类，也可以拓展到多分类上
同样利用最大似然概率，推导出损失函数为交叉熵
把这两个放在一起不是因为名字像，而是因为推到过程所用的方法是一样的，都是求最大似然函数：已知结果，假设概率分布函数，求解使结果出现的概率最大的参数
1.线性回归：损失函数为最小二乘损失1/2（y-y^）^2
假设误差e=y-y^满足均值为0，方程为一个常数的整体分布，最大化对数似然函数后，可推导出最终的损失为最小二乘
2.逻辑回归：实际上逻辑回归解决的是一个分类问题，主要是二分类，也可以拓展到多分类上
同样利用最大似然概率，推导出损失函数为交叉熵