广义线性建模和常规逻辑回归之间的区别

Posted

技术标签:

【中文标题】广义线性建模和常规逻辑回归之间的区别【英文标题】:Difference between Generalized linear modelling and regular logistic regression 【发布时间】:2015-05-14 12:10:48 【问题描述】:

我正在尝试对我的数据执行逻辑回归。我开始了解glm。 glm 和常规逻辑回归之间的实际区别是什么? 它的优缺点是什么?

【问题讨论】:

【参考方案1】:

逻辑回归是广义线性模型的a special case。 GLM 是一类模型,由 链接函数 参数化。如果你选择logit链接函数,你会得到Logistic Regression。

【讨论】:

感谢您的回答。我有兴趣了解 glm 相对于常规逻辑回归的好处。因为我们甚至可以在没有 GLM 的情况下执行逻辑回归。【参考方案2】:

GLM 相对于逻辑回归的主要优势在于避免过拟合。 GLM 通常会尝试提取输入变量之间的线性关系,然后避免模型过度拟合。过拟合意味着在训练数据上表现非常好,在测试数据上表现不佳。

【讨论】:

以上是关于广义线性建模和常规逻辑回归之间的区别的主要内容,如果未能解决你的问题,请参考以下文章

机器学习系列:从线性回归到逻辑回归

机器学习算法总结——广义线性模型(线性回归,逻辑回归)

6.逻辑归回

逻辑归回

6.逻辑回归

R语言广义线性模型泊松回归(Poisson Regression)模型