代码之家 › 专栏 › 技术社区 › Nikhitha Reddy Raghuveer

广义线性模型与正则逻辑回归的区别

logistic-regression glm machine-learning

Nikhitha Reddy Raghuveer · 技术社区 · 10 年前

我正在尝试对我的数据进行逻辑回归。我开始了解glm。glm和常规逻辑回归之间的实际差异是什么? 它的优点和缺点是什么?

2 回复 | 直到 10 年前

Artem Sobolev 10 年前

Logistic回归是 a special case 广义线性模型。GLM是一类模型,由 链接函数 。如果选择logit链接函数,将得到Logistic回归。

MTT 10 年前

GLM相对于逻辑回归的主要优点是避免过度拟合。GLM通常尝试提取输入变量之间的线性,然后避免模型的过度拟合。过度拟合意味着训练数据表现非常好,而测试数据表现较差。

推荐文章

Raag Agrawal · H2o GLM仅与某些预测因子相互作用

7 年前

Wagner Jorge · 如何删除插入符号中的不重要变量

8 年前

S_Dhungel · 在不访问原始数据框架的情况下计算回归模型中变量的类别

8 年前

dan · 在glm中设置对比度

8 年前

Santhosh Kothapally · predict()error:如果训练数据中存在一个变量,而预测数据中不存在,我该怎么办?

9 年前

lrclark · 使用glm-probit模型生成预测

9 年前

Nikhitha Reddy Raghuveer · 广义线性模型与正则逻辑回归的区别

10 年前

Joe · 使用for loop或lapply运行多个GAMM模型

10 年前

jjaskulowski · glm公式“:”运算符?它做什么?[已关闭]

11 年前