Machine learning 广义线性模型与正则logistic回归的区别

我正在尝试对我的数据进行逻辑回归。我开始了解glm。glm和常规逻辑回归的实际区别是什么？

---

它的优点和缺点是什么？

逻辑回归是广义线性模型。GLMs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回归。

Logistic回归是广义线性模型。GLMs是一类模型，由链接函数参数化。如果您选择logit链接函数，您将得到Logistic回归。

GLM优于Logistic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的性能非常好，而测试数据的性能较差

与逻辑回归相比，GLM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的性能非常好，而测试数据的性能较差

谢谢你的回答。我很想知道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的情况下进行逻辑回归。谢谢你的回答。我很想知道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的情况下进行逻辑回归。