Python 中的逻辑回归 - 限制

正如您从上面的示例中看到的，将逻辑回归应用于机器学习并不是一项艰巨的任务。然而，它也有其自身的局限性。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，我们很大程度上减少了特征数量。

然而，如果这些特征对我们的预测很重要，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。逻辑回归也容易出现过度拟合。它不能应用于非线性问题。对于与目标不相关但彼此相关的自变量，它的表现会很差。因此，您必须仔细评估逻辑回归对您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 k 最近邻 (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，您必须评估这些不同技术对我们试图解决的问题的适用性。