Machine learning 100个离散值的多类分类线性回归

如果我能用线性回归来预测100门课，请帮我理解一下。预测的计算在本质上是离散的，比如1到100

如何判断线性回归是否优于逻辑回归

---

感谢您的帮助。

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

因为你的结果本质上是离散的，你需要逻辑回归

---

检查堆栈溢出问题，以更深入地讨论线性回归和逻辑回归之间的差异。

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

因为你的结果本质上是离散的，你需要逻辑回归

---

检查堆栈溢出问题，以更深入地讨论线性回归和逻辑回归之间的差异。

线性用于回归，逻辑用于分类。你需要回归，这里你的需求是预测（基于你提供的信息）。因此，线性回归是你的答案，物流回归只用于分类。线性回归用于回归，物流用于分类。你需要回归，这里你的需求是预测（基于你提供的信息）。因此，线性回归是你的答案，逻辑回归仅用于分类。不，逻辑回归用于分类目标。这显然是一种倒退task@yatu该问题明确指出，预测本质上是离散的，即分为不同的“组”（1、2、3、…、100）。逻辑回归用于这些类型的离散任务。@yatu请重新阅读问题和/或我提供的链接。否。logistic回归是一种分类器。它为每个类分配一个输出概率。这只有在从属变量是分类变量时才有意义，即其中没有“顺序”的意义。否则，这是一项回归任务。请确保在提供answer@Pranav-感谢您的评论和回答。这100个值是类别和标称值，但不是顺序值。所以，我想-我应该先看看输入和输出之间是否存在线性关系。如果是，则为线性，如果不是逻辑。请建议。不，逻辑回归用于分类目标。这显然是一种倒退task@yatu该问题明确指出，预测本质上是离散的，即分为不同的“组”（1、2、3、…、100）。逻辑回归用于这些类型的离散任务。@yatu请重新阅读问题和/或我提供的链接。否。logistic回归是一种分类器。它为每个类分配一个输出概率。这只有在从属变量是分类变量时才有意义，即其中没有“顺序”的意义。否则，这是一项回归任务。请确保在提供answer@Pranav-感谢您的评论和回答。这100个值是类别和标称值，但不是顺序值。所以，我想-我应该先看看输入和输出之间是否存在线性关系。如果是，则为线性，如果不是逻辑。请建议。