逻辑回归也是机器学习中常见的一种学习方法，今天我们就来看一看逻辑回归的优缺点。
逻辑回归(Logistic Regression)是一种有监督的统计学习方法，主要用于对样本进行分类。逻辑回归是机器学习中做分类任务常用的方法，属于“广义的线性模型”，即：
考虑二分类任务，其输出标记y∈{0，1},而线性回归模型产生的预测值 z = wx+b是实值，于是，需要将实值z转换为0/1值。最理想的是“单位阶跃函数”：
即若预测值z大于0就判断为正例，小于零则判断为反例，预测值为临界值零则可任意判断。但是阶跃函数不是连续的，不能直接作用于g-()，因此考虑用另一函数代替阶跃函数，即sigmoid函数：
逻辑回归优缺点：
优点：
(1)对率函数任意阶可导，具有很好的数学性质，许多现有的数值优化算法都可以用来求最优解，训练速度快;
(2)简单易理解，模型的可解释性非常好，从特征的权重可以看到不同的特征对最后结果的影响;
(3)适合二分类问题，不需要缩放输入特征;
(4)内存资源占用小，因为只需要存储各个维度的特征值;
(5)直接对分类可能性进行建模，无需事先假设数据分布，避免了假设分布不准确所带来的问题
(6)以概率的形式输出，而非通过知识直接判断是0还是1，对许多利用概率辅助决策的任务很有用
缺点：
(1)不能用逻辑回归去解决非线性问题，因为Logistic的决策面是线性的;
(2)对多重共线性数据较为敏感;
(3)很难处理数据不平衡的问题;
(4)准确率并不是很高，因为形式非常的简单(非常类似线性模型)，很难去拟合数据的真实分布;
(5)逻辑回归本身无法筛选特征，有时会用gbdt来筛选特征，然后再上逻辑回归。
来CDA学数据分析师，理论结合实战进行项目数据分析，学以致用，助你成为从事数据采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才，点击了解课程详情！
想深入学习统计学知识，为数据分析筑牢根基？那快来看看统计学极简入门课程！
学习入口：https://edu.cda.cn/goods/show/3386?targetId=5647&preview=0
课程由专业数据分析师打造，完全免费，60 天有效期且随到随学。它用独特思路讲重点，从数据种类到统计学体系，内容通俗易懂。学完它，能让你轻松入门统计学，还能提升数据分析能力。赶紧点击链接开启学习，让自己在数据领域更上一层楼！
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在信贷业务中，违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标，其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中，AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中，单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性，决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具，为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中，抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便，是基础的抽样方式，但 ...
2026-02-02在数据驱动企业发展的今天，“数据分析”已成为企业经营决策的核心支撑，但实践中，战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天，“数据分析”已成为企业经营决策的核心支撑，但实践中，战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构，其高效的查询、插入、删除性能，离不开节点间指针的合理设计。在日常学习和数据库开发中，很 ...
2026-01-30在数据库开发中，UUID（通用唯一识别码）是生成唯一主键、唯一标识的常用方式，其标准格式包含4个短横线（如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地，离不开标准化、系统化的总体流程作为支撑；而CDA（Certified Data Analyst）数据分析师，作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中，数据波动性（离散程度）的精准衡量是判断数据可靠性、稳定性的核心环节。标准差（Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域，判断数据间是否存在本质差异是核心需求，而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图（数据可视化）是数据分析的核心呈现载体，它将抽象的数据转化为直观的图表、图形，让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图（Box Plot）作为数据分布可视化的核心工具，能清晰呈现数据的中位数、四分位数、异常值等关键统计特征，广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中，多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时，会导致模型系数 ...
2026-01-28数据分析的价值落地，离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域，特征是连接数据与模型的核心载体，而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法，广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式，是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架，它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中，SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求， ...
2026-01-26支持向量机（SVM）作为机器学习中经典的分类算法，凭借其在小样本、高维数据场景下的优异泛化能力，被广泛应用于图像识别、文本 ...
2026-01-26
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
