100 个离散值的多类分类的线性回归

Posted 2023-03-12

【中文标题】100 个离散值的多类分类的线性回归

【英文标题】：Linear Regression for Multi Class classification for 100 discrete values

【发布时间】：2020-10-02 07:04:10

【问题描述】：

如果我有 100 个类要预测，是否可以使用线性回归，请帮助我理解。预测的值本质上是离散的，例如 1 到 100。

我如何确定线性是否优于逻辑回归。

感谢您的帮助。

【问题讨论】：

线性用于回归，逻辑用于分类。这里需要回归

您的要求是预测（基于您提供的信息）。因此，线性回归是您的答案，逻辑回归仅用于分类。

【参考方案1】：

当结果为连续时应使用线性回归，而当结果为离散时应使用逻辑回归。

由于您的结果本质上是离散的，因此您需要逻辑回归。

查看this堆栈溢出问题，更深入地讨论线性回归和逻辑回归之间的区别。

【讨论】：

不，逻辑回归适用于分类目标。这显然是一个回归任务

@yatu 这个问题清楚地表明预测本质上是离散的，即分成不同的“组”（1、2、3、..、100）。逻辑回归用于这些类型的离散任务。

@yatu 请重新阅读我提供的问题和/或链接。

没有。逻辑回归是一个分类器。它为每个类分配一个输出概率。这仅在因变量是分类变量时才有意义，即其中没有“顺序”的意义。否则这是一个回归任务。请确保在提供答案之前了解这些基本概念

@Pranav - 感谢您的 cmets 和回答。这 100 个值是分类的和名义的，但不是序数的。所以，我认为 - 我应该首先看看输入和输出之间是否存在线性关系。如果是，那么如果不是 Logistic，则为线性。请提出建议。