逻辑回归的目标函数(损失函数)是凸函数吗？有没有最优解？ 最近重新看LR，感觉有些地方不清楚。首先它没有解析解，因为算不出来，只能使用迭代的方式。那么它是否有…
逻辑回归损失函数为什么是凸函数 两种方法都是常见的分类算法，从目标函数来看，区别在于逻辑回归采用的是logistical
逻辑回归损失函数为什么使用最大似然估计而不用最小二乘法？ 个人认为这个问题可以从求最优解的角度来解释：如果用最小二乘法，目标函数就是，是非凸的，不容易求解…
逻辑回归算法中损失函数的梯度表达式如此简洁是巧合吗？ https：// cedar.buffalo.edu/~srih ari/CSE574/Chap4/4.3.6-CanonicalLink.pdfhttps：// blog.csdn.net/ITleaks/a rticle/details/80336248 更多的资料可以看 Stanford CS229 。
怎么从通俗意义上理解逻辑回归的损失函数？ 跟组里同事介绍LR，被问到一个问题，谈到逻辑回归的对数损失函数，问有没有和平方损失函数一样，差值就是…
怎么从通俗意义上理解逻辑回归的损失函数 两种都见类算，目标函数看，区别于逻辑归采用logistical loss，svm采用hinge loss.两损失函数目都增加类影响较数据点权重，减少与类关系较数据点权重.SVM处理考虑support vectors，类相关少数点，习类器.逻辑归通非线性映射，减离类平面较远点权重，相提升与类相关数据点权重.两者根本目都.外，根据需要，两都增加同则化项，l1，l2等等.所实验，两种算结接近.逻辑归相说模型更简单，理解，实现起，特别规模线性类比较便.SVM理解优化相说复杂些.SVM理论基础更加牢固，套结构化风险化理论基础，虽般使用太关注.重要点，SVM转化偶问题，类需要计算与少数几支持向量距离，进行复杂核函数计算优势明显，能够简化模型计算svm 更属于非参数模型，logistic regression 参数模型，本质同.其区别参考参数模型非参模型区别.logic 能做 svm能做，能准确率问题，svm能做logic做
