为什么要学习逻辑回归(一)

为什么要学习逻辑回归(一)
当我们进入数据分析行业的时候,我们总会接触到很多的算法,比如线性回归,支持向量机,决策树,随机森林,神经网络等。其实这些算法对我们来说都是比较困难的,但是我们要想进入数据分析行业的话我们需要了解和学习整个的流程。比如,如何获取和处理数据,如何理解数据,如何搭建模型,如何评估结果和优化。很多数据分析师建议大家从逻辑回归开始入手,那么为什么要学习逻辑回归呢?下面我们就在这篇文章中详细给大家介绍一下这个原因。

首先,我们学习逻辑学习能够更好的理解机器学习,很多人不明白的是,为什么是逻辑回归,而不是线性回归。其实这些都是无所谓,理解了机器学习才是最终目的。说到这个问题,就要引出监督学习的两个类型了,监督学习有两种类型,第一是分类,第二是回归,分类中有逻辑回归,回归中有线性回归。当我们使用逻辑回归或者线性回归建立我们整个流程的时候,我们会慢慢地熟悉机器学习里的一些概念,比如监督学习和非监督学习,分类和回归,线性和非线性等,以及更多问题。我们也会知道如何准备你的数据,以及这过程中有什么挑战,如何度量评估模型,是该使用准确率,还是精准率和召回率?所有的概念都都是数据科学学习过程中非常重要的知识点。等慢慢熟悉了这些概念以后,我们就可以用更复杂的模型或者技巧来替代你之前的简单模型了。

当然,逻辑回归在某些情况中已经够用了,这是因为逻辑回归是一个非常强大的算法,甚至对于一些非常复杂的问题,它都可以做到游刃有余。拿MNIST举例,我们可以使用逻辑回归获得95%的准确率,这个数字可能并不是一个非常出色的结果,但是它对于保证我们的整个流程工作来说已经足够好了。实际上,如果说能够选择正确且有代表性的特征,逻辑回归完全可以做的非常好。

在这篇文章中我们给大家详细介绍了逻辑回归的好处,通过这些内容我们可以知道,当我们进入数据分析行业之前为什么要学习逻辑回归的知识。当然逻辑回归的好处还不只是这些,我们在下一篇文章中继续为大家介绍逻辑回归算法的优点。