逻辑回归的原理与推导
哪些公司问过
答案要点
- 线性组合后过 sigmoid,输出属于正类的概率
- 假设伯努利分布,极大似然估计,负对数似然就是交叉熵损失
- 梯度为 (预测概率 - 真实标签) 乘特征 x,形式简洁
- 不用均方误差:配合 sigmoid 非凸且梯度易饱和
- 用梯度下降等方法求解,加 L1 或 L2 正则,多分类推广为 softmax
易错点
- 说成用线性回归做分类
- 说不出为什么用交叉熵而不是均方误差
- 忘了决策边界是线性的
面试官常见追问
- 逻辑回归的决策边界是什么形状?
- 为什么逻辑回归适合做点击率预估的基线?
- 特征共线性会带来什么影响?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。