~今天要分享的是「迴歸分析與邏輯斯迴歸分析介紹」~

迴歸分析與邏輯斯迴歸分析是初學時容易搞混的兩個機器學習模型，這兩個都是一種監督式機器學習方式，但別因為它們兩個的名稱都有「迴歸」這個詞就以為都可以用在迴歸問題上歐！
這裡先為大家解答：迴歸分析用於解決迴歸問題，而邏輯斯迴歸分析用於解決分類的問題。

迴歸分析基本概念：
最簡單的迴歸分析是線性迴歸，就像是我們在數學裡學到的一元一次方程式，此時稱為簡單線性迴歸，在機器學習的世界裡x稱為自變數，y稱為應變數，如果是多元一次方程式的形式的話則稱為多元迴歸，而若為高次項方程式的話則稱為多項式迴歸。

邏輯斯迴歸分析基本概念：
邏輯斯迴歸的原理是將輸入的變數資料轉換成一個介於0到1之間的概率，表示樣本屬於某個類別的概率，這些概率值會經過閾值(通常設定為0.5)來判斷應該屬於哪一類，大於等於閾值的樣本會被分為一類，反之則歸類為另一類。

總而言之，迴歸分析與邏輯斯迴歸分析不管是在基本概念上或是在應用上都有著明顯的不同，所以大家千萬別搞混囉！