機器學習面試常見問題--線性迴歸、邏輯迴歸、交叉熵、多分類

1，線性迴歸與邏輯迴歸區別？ 在擬合數據上，線性迴歸是用一條線直接擬合訓練數據，而邏輯迴歸先利用sigmoid函數將數據映射爲相應分類的概率擬合概率； 在學習策略上，線性迴歸利用最小二乘法使損失函數(均方誤差)最小化，而邏輯迴歸利用梯度下降法使損失函數(最大似然函數/交叉熵)最小化，即求所有訓練樣本的條件概率之積的最大值。 2，爲什麼用對數似然函數？ 使用最大似然函數時，很多樣本的概率需要連乘，概

>>阅读原文<<