为什么不能直接用线性回归做分类（loss function角度）

本文将对在做分类问题的时候不选用线性回归而是选用以Sigmoid函数作为拟合函数的逻辑回归作出两点解释。

1.线性回归中返回的是连续的预测值(-∞，+∞)，而不是便于判断类别的概率 [0,1]

通过线性回归和逻辑回归的拟合函图像数我们可以看出，线性回归的范围在(-∞, +∞)，而逻辑回归的范围在[0,1]之间，我们可以比较方便的根据概率(即g(x))的大小来判断类别。（比如，当g(x)>0.5，我们可以认为y = 1）

2.当用线性回归做分类问题时，预测结果极易受到极端值的影响。

接下来从损失函数作出解释。

1）线性回归的损失函数：

线性回归考虑极端情况：
当x趋于无穷大的时候，若斜率不变则h(∞)也应该增大，但是线性回归为了满足损失函数最小化，h(∞)会向1靠近，这就会造成斜率逐渐减小，线性函数逐渐趋于水平而无法很好的完成分类的任务；x趋于无穷小时同理。

2）逻辑回归的损失函数：