大家好，又见面了，我是你们的朋友全栈君。
LR模型是广义线性模型。LR模型（对数几率回归模型），虽然叫回归，但是其本质为分类。对数几率函数是一种sigmoid函数。
线性模型有可解释性强、易于并行的优点。但是其难以表示非线性关系，所以模型的准确性可能不好。
为了增强原始特征与拟合目标之间的非线性关系，通常需要对原始特征做一些非线性转换。常用的转换方法包括：连续特征离散化、特征之间的交叉等。
离散化相当于把连续函数变成分段函数来增加非线性。比如说将连续的工资数分为1000档、2000档等
特征交叉是算法工程师把领域知识融入模型的一种方式。比如说女性特征 双十一的时间特征组合（女性，双11）这一特征，可能就是一个极好的预测购买的特征。
总上，单纯的LR模型性能可能不算太好，需要进行特征工程。但是特征工程费时费力，所以LR模型算是一个基本模型。可以加入很多优化。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/182598.html原文链接：https://javaforall.cn
