scikit-learn的sklearn.linear_model.LogisticRegression类如何处理回归以及分类问题？
正如Wikipedia page以及许多来源中所述，由于Logistic回归的输出基于S型函数，因此它返回概率。那么sklearn类如何同时用作分类器和回归器？
最佳答案
Logistic回归是一种分类方法，而不是回归。 scikit-learn和其他任何地方都适用。
如果您输入了连续的值作为目标向量y，则LogisticRegression很可能会失败，因为它会将y的唯一值（即np.unique(y)）解释为不同的类。因此，您最终可能拥有与样本一样多的类。
TL; DR：逻辑回归需要分类目标变量，因为它是一种分类方法。
关于python - sklearn.linear_model.LogisticRegression中的回归工作，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29557652/