对各种回归算法的概念理解

机器学习中的监督学习（supervised learning），起源于最简单的回归算法。

线性回归（linear regression）：

用线性函数，向连续变化的量回归。

线性回归强调的是使用线性关系函数。

逻辑回归（logic regression）：

向离散变化的量回归。

Softmax回归是二元逻辑回归的一般化。

逻辑回归强调的是，一组向离散变量的回归。

非线性回归（non-linear regression）：

关系函数为非线性函数的回归方法。

非线性回归，从概念上包含了逻辑回归，因为一般我们都是用非线性关系函数进行非线性回归的学习。

非线性回归，既可以向连续变化的量回归，也可以采用softmax回归。（非线性逻辑回归？）

非线性回归强调的是，采用非线性关系函数，比如polynomial，也可以使用神经网络来做回归。

当我们通过数学模型要预测的值是一个连续的值时，我们称这类问题为回归问题；如果要预测的值是离散的，我们称这类问题为分类问题。

相关文章

• Python的模块和包
• 路由器中的DMZ主机是什么？
• 用route print查看你的Windows系统路由表
• 802.11ac学习
• Reverse-ARP，BOOTP和DHCP
• 如何计算umask的值？
• C语言中volatile的用法
• 进程ssh，ssh-agent，sshd
• 如何进入VIM的编辑状态？
• Markdown是什么
• 硬盘容量计算
• 跳过Git的staged步骤，直接commit
• 给SumatraPDF设置护眼背景色
• 用dig命令查询DNS信息
• GSM900/1800工作的无线频率
• screen：大批量shell操作神器
• 在VIM中显示文件名，光标所在行号
• L2交换机工作原理（MAC转发表）
• 用du查看某个目录的大小
• 模拟通信，数字通信
• CVoDSL技术介绍
• GCC，gcc和g++的区别
• 路由器配置DNS服务器
• 早期的V.35接口
• VIM直达文件G点
• 在Linux中编译安装libjpeg
• 让Notepad++多实例运行
• ISDN介绍
• Python的filter函数用法
• 用tree命令查看目录树