逻辑回归数据集标签的含义是什么？答案

【问题标题】：What's the meaning of logistic regression dataset labels?逻辑回归数据集标签的含义是什么？
【发布时间】：2013-01-03 02:27:00
【问题描述】：

我已经学习了几天的逻辑回归，我认为逻辑回归的数据集的标签需要是 1 或 0，对吗？

但是当我查找 libSVM 库的 regression dataset 时，我看到标签值是连续数字（例如 1.0086,1.0089 ...），我错过了什么吗？

请注意，libSVM 库可用于回归问题。

非常感谢！

【问题讨论】：

【解决方案1】：

请注意，“回归”是一个通用术语。说某人将执行回归分析并不一定会告诉您他们将使用什么算法，也不一定告诉您数据集的所有性质。它真正告诉您的是，您有一组样本，这些样本具有您想要用来预测单个结果值的特征（条件概率模型）。

逻辑回归和线性回归的一个主要区别是前者通常在分类的、二元标记的样本集上进行训练；而后者是在真实标记的（ℝ）样本集上训练的。

任何时候你的标签是真正有价值的，这意味着你可能会使用线性回归或类似的，或者将那些真正有价值的标签转换为分类标签（例如通过阈值或箱），如果您实际上想使用 逻辑回归。但是，如果您尝试从一种此类问题设置转换为另一种设置，则结果的质量和解释可能会存在很大差异。

【讨论】：

【解决方案2】：

与它的名字相反，逻辑回归是一种分类算法，它输出以数据点为条件的类概率。因此，训练集标签需要为 0 或 1。对于您提到的数据集，逻辑回归不是合适的算法。

SVM 是一种分类算法，它使用输入标签 -1 或 1。它不是概率算法，它不输出类别概率。它也可以适应回归。

【讨论】：

【解决方案3】：

您是使用第三方库还是自己编程？通常，这些标签用作基本事实，因此您可以了解您的方法的效果。

例如，如果您的算法试图预测某个特定实例是什么，它可能会输出 -1，那么基本事实标签将为 +1，这意味着您没有成功分类该特定实例。

【讨论】：