sklearn.linear_model.LogisticRegression 中的回归工作
Working of Regression in sklearn.linear_model.LogisticRegression
scikit-learn 的 sklearn.linear_model.LogisticRegression class 如何处理回归和 class 化问题？
正如 Wikipedia page 以及许多来源所给出的，因为逻辑回归的输出是基于 sigmoid 函数，它returns一个概率。那么 sklearn class 如何作为 class 化器和回归器工作？
逻辑回归是一种分类方法，而不是回归方法。这适用于 scikit-learn 和其他任何地方。
如果您输入了连续值作为目标向量 y，那么 LogisticRegression 很可能会失败，因为它会解释 y 的唯一值，即 np.unique(y) 不同 类。所以你最终可能会得到与样本一样多的 类。
TL;DR: 逻辑回归需要分类目标变量，因为它是一种分类方法。
scikit-learn 的 sklearn.linear_model.LogisticRegression class 如何处理回归和 class 化问题？
正如 Wikipedia page 以及许多来源所给出的，因为逻辑回归的输出是基于 sigmoid 函数，它returns一个概率。那么 sklearn class 如何作为 class 化器和回归器工作？
逻辑回归是一种分类方法，而不是回归方法。这适用于 scikit-learn 和其他任何地方。
如果您输入了连续值作为目标向量 y，那么 LogisticRegression 很可能会失败，因为它会解释 y 的唯一值，即 np.unique(y) 不同 类。所以你最终可能会得到与样本一样多的 类。
TL;DR: 逻辑回归需要分类目标变量，因为它是一种分类方法。