用 Python 進行邏輯迴歸 - 侷限性

如你從上面的例子中所見，對機器學習應用邏輯迴歸並不是一項困難的任務。但是，它存在自身侷限性。邏輯迴歸無法處理大量分類特徵。在迄今為止討論的示例中，我們在很大程度上減少了特徵數量。

但是，如果這些特徵對於我們的預測至關重要，我們就會被迫納入它們，但那時邏輯迴歸將無法給我們以很好的準確度。邏輯迴歸還容易過擬合。它無法應用於非線性問題。它對於與目標無關且相互關聯的自變量表現不佳。因此，你必須仔細評估邏輯迴歸是否適合你試圖解決的問題。

機器學習的許多領域規定了其他技術。舉幾個例子，我們有諸如 k-近鄰（kNN）、線性迴歸、支援向量機（SVM）、決策樹、樸素貝葉斯之類的演算法。在確定特定模型之前，你必須評估這些各種技術對我們試圖解決的問題的適用性。