Python逻辑回归 限制

正如你从上面的示例中看到的那样，将逻辑回归应用于机器学习并不是一项艰巨的任务。但是，它有其自身的局限性。逻辑回归将无法处理大量分类特征。在我们到目前为止讨论的示例中，我们在很大程度上减少了特征的数量。

但是，如果这些特征在我们的预测中很重要，我们将被迫将它们包括在内，但逻辑回归将无法为我们提供良好的准确性。逻辑回归也容易受到过度拟合的影响。它不能应用于非线性问题。对于与目标不相关且彼此相关的自变量，它将表现不佳。因此，你必须仔细评估逻辑回归对你要解决的问题的适用性。

机器学习的许多领域都指定了其他技术。仅举几例，我们有诸如 k 近邻 (kNN)、线性回归、支持向量机 (SVM)、决策树、朴素贝叶斯等算法。在最终确定特定模型之前，你必须评估这些不同技术对我们试图解决的问题的适用性。