python - sklearn.linear_model.LogisticRegression 中回归的工作原理

Question

scikit-learn 的 sklearn.linear_model.LogisticRegression 类如何处理回归和分类问题？

如 Wikipedia page 上所示以及许多来源，由于逻辑回归的输出基于sigmoid函数，因此它返回一个概率。那么 sklearn 类如何同时充当分类器和回归器呢？

Answer 1

逻辑回归是一种分类方法，而不是回归方法。这适用于 scikit-learn 和其他任何地方。

如果您输入连续值作为目标向量 y，则 LogisticRegression 很可能会失败，因为它会解释 y 的唯一值>，即 np.unique(y) 作为不同的类。因此，您最终可能会拥有与样本一样多的类。

TL;DR:逻辑回归需要一个分类目标变量，因为它是一种分类方法。