邏輯迴歸 vs 感知器
Logistic Regression vs Perceptron
邏輯迴歸 側重 邏輯迴歸是一種廣義線性模型，用於預測二元或多元分類結果的機率。它使用 Sigmoid 函數將線性組合轉換為機率值，並透過最大似然估計來訓練模型。，而 感知器 側重 感知器是最簡單的神經網路模型，模擬生物神經元，接收輸入、加權求和、通過激活函數輸出，用於二元分類。。
逐項比較
| 項目 | 邏輯迴歸 | 感知器 |
|---|---|---|
| 一句定義 | 邏輯迴歸是一種廣義線性模型，用於預測二元或多元分類結果的機率。它使用 Sigmoid 函數將線性組合轉換為機率值，並透過最大似然估計來訓練模型。 | 感知器是最簡單的神經網路模型，模擬生物神經元，接收輸入、加權求和、通過激活函數輸出，用於二元分類。 |
| 比喻 | 邏輯迴歸就像一個「門衛」-- 它會根據你的各種條件（例如年齡、收入）計算出一個「進入機率」，然後決定你是否能通過這扇門（例如是否會購買某產品、是否是垃圾郵件），結果總是介於 0 到 1 之間。 | 感知器就像一個簡單的「是非判斷機」-- 它接收幾個資訊（輸入），根據每個資訊的重要性給予不同權重，然後決定最終答案是「是」或「否」（二元分類）。 |
| 常見標籤 | 機器學習、統計方法、模型訓練、模型評估、AI基礎、Python程式、數學基礎、iPAS初級 | 機器學習、神經網路、AI基礎、模型訓練、數學基礎、iPAS初級 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 邏輯迴歸的輸出一定是 0 或 1 嗎？ | 感知器和邏輯迴歸有什麼區別？ |