邏輯回歸為什么使用對數(shù)損失函數(shù)？這兩種方法都是常用的分類算法。從目標函數(shù)的角度看，不同之處在于logistic回歸采用logistic損失，支持向量機采用鉸鏈損失。這兩個損失函數(shù)的目的是增加對分類影響

邏輯回歸為什么使用對數(shù)損失函數(shù)？

這兩種方法都是常用的分類算法。從目標函數(shù)的角度看，不同之處在于logistic回歸采用logistic損失，支持向量機采用鉸鏈損失。這兩個損失函數(shù)的目的是增加對分類影響較大的數(shù)據(jù)點的權重，減少與分類關系較小的數(shù)據(jù)點的權重。支持向量機的處理方法只考慮了支持向量機。

為什么回歸分析把解釋變量取對數(shù)，有什么好處？

（1）削弱模型中數(shù)據(jù)的異方差性只能削弱，不能完全消除（2）需要模型的形式。使用線性回歸模型的前提是解釋變量與被解釋變量之間的線性關系，但在實踐中很難滿足這一點。很多情況下，我們需要對多個變量或單個變量進行對數(shù)變換來改變模型的形式（3）以對數(shù)為線性，然后將絕對數(shù)變?yōu)橛胁钪底兓南鄬?shù)，這樣數(shù)據(jù)才能更好地表達變化的相關性。（4） 對取對數(shù)后的經(jīng)濟數(shù)據(jù)進行線性回歸，前一個參數(shù)代表百分比變化率（dlnx=DX/x），即彈性。（5） 有時變量不符合正態(tài)分布的假設，對數(shù)可以漸近取正態(tài)分布等。

為什么回歸分析把解釋變量取對數(shù)，有什么好處？

取對數(shù)的原因有很多，大致可以概括如下：

1。削弱模型中數(shù)據(jù)的異方差性只能被削弱，但不能完全消除；

2。模型形式的需要，使用線性回歸模型的前提是解釋變量和被解釋變量之間的現(xiàn)有關系，但在實踐中很難滿足這一點，而且經(jīng)常需要調整多個變量或變量它是對單個變量的對數(shù)變換，使模型的形式線性化；

3。取對數(shù)，再配合差分變化，將絕對數(shù)轉化為相對數(shù)，使數(shù)據(jù)能更好地表達變化的相關性。

請問為何在多元回歸方程中，因變量取對數(shù)，而自變量不取?對因變量取對數(shù)的原因和意義是什么？

因為您的原始方程模型必須是道格拉斯模型。W=C×exp（be）×exp（Cx）×μ對于回歸分析，我們從左到右取對數(shù)，使乘法變成加法，即線性。等到你得到回歸值a，B，C，再回到原來的方程。取對數(shù)便于計算。說到意義，我們得去掉對數(shù)。