机器学习面试常见问题--线性回归、逻辑回归、交叉熵、多分类

1，线性回归与逻辑回归区别？ 在拟合数据上，线性回归是用一条线直接拟合训练数据，而逻辑回归先利用sigmoid函数将数据映射为相应分类的概率拟合概率； 在学习策略上，线性回归利用最小二乘法使损失函数(均方误差)最小化，而逻辑回归利用梯度下降法使损失函数(最大似然函数/交叉熵)最小化，即求所有训练样本的条件概率之积的最大值。 2，为什么用对数似然函数？ 使用最大似然函数时，很多样本的概率需要连乘，概

>>阅读原文<<