我們在上一篇文章中給大家介紹了在數據分析行業中為什麽要學習邏輯回歸的原因，主要的原因就是邏輯回歸是一個十分實用的工具，同時也有著自己的優點，這些優點都是十分明顯的。今天我們將繼續為大家介紹邏輯回歸的優點。

學習邏輯回歸的原因是因為邏輯回歸是統計中的一個重要工具。而線性回歸不僅僅可以用來預測。如果我們有了一個訓練好的線性模型，我們可以通過它學習到因變量和自變量之間的關系，或者用更多的機器學習語言來說，我們可以學習到特征變量和目標變量的關系。一個簡單的例子，那就是關於房價的預測，通過湊集房屋特征還有實際的房價。我們基於這些數據訓練一個線性回歸模型，然後得到了很好的結果。通過訓練，我們可以發現模型訓練後會給每個特征分配相應的權重。如果某個特征權重很高，我們就可以說這個特征比其它的特征更重要。比如說房屋大小的特征，對於房價的變化會有一定概率的權重，因為房屋大小每增加一平米房價就會增加一萬。線性回歸是一個了解數據以及統計規律的非常強的工具，同理，邏輯回歸也可以給每個特征分配各自的權重，通過這個權重，我們就可以了解特征的重要性。

當然，學習邏輯回歸的另外一個原因就是因為邏輯回歸是學習神經元網絡很好的開始，當我們學習神經元網絡的時候，最開始學習的邏輯回歸對我們幫助很大。我們可以將網絡中的每個神經元當作一個邏輯回歸，邏輯回歸有輸入，有權重，和閾值，並可以通過點乘，然後再應用某個非線性的函數得到輸出。更多的是，一個神經元網絡的最後一層大多數情況下是一個簡單的線性模型，可以說，對於神經元網絡，有一個很好的方式就是講神經元網絡劃分為兩部分，一個是代表部分，一個是分類和回歸部分。其中代表部分嘗試從數據中學習並具有很好的代表性，然後它會幫助分類和回歸部分來完成一個線性的分類或者回歸任務。

在這篇文章中我們給大家介紹了兩種關於邏輯回歸的優點，具體來說就是邏輯回歸是統計中一個重要的工具，並且邏輯回歸也是學習神經元網絡的一個極好開端，希望這篇文章能夠更好地幫助大家理解邏輯回歸。

為什麽要學習邏輯回歸（二）