Linear Regression 与 Logistic Regression的几点不同

       对于Linear Regression 与 Logistic Regression已经不陌生了，因此这次不详细说明这两者的概念及相关公式，而是重点谈谈这二者之间的几点不同之处。

（1） 二者应用不同

        一般Linear Regression是解决回归问题，而 Logistic Regression是应用于分类问题。Logistic Regression除了可以解决二分类问题外，还可以解决多分类问题。采用 Logistic Regression进行多分类的思路是：选取某个分类作为正样本，其他分类作为负样本建立一个二分类模型；以此类推建立多个（有几个分类就建几个）二分类模型；对多个二分类模型的输出值进行大小比较，把样例归为输出值最大的那类。

（2）二者的代价函数不同

       Linear Regression的代价函数为：

       Logistic Regression的代价函数为：

       这二者的代价函数不同，是因为定义的H假设不同，也就是模型不同（废话！一个是线性回归，一个是logistic回归，这就是两个模型怎么会相同）。接下来让我们来回顾一个各自的模型。

       Linear Regression的模型为：

       Logistic Regression的模型为：