逻辑回归面试题｜损失函数、优缺点、适用场景

前言逻辑回归是机器学习面试出场率 TOP1算法，看似简单，深挖考点极多，不管是笔试选择还是技术面口述都会反复问到。本文整理逻辑回归全套高频面试考点，原理、损失函数、推导、优缺点、场景、手撕代码全覆盖，背完直接拿捏所有相关考题。一、基础概念问答逻辑回归是回归还是分类？名义上带回归二字，本质是二分类算法，用于预测样本属于正类的概率，输出 0~1 之间概率值。逻辑回归原理是什么？在线性回归基础上，加入Sigmoid 激活函数，把线性结果压缩映射到 0-1 区间，设定阈值（默认 0.5）完成二分类判定。Sigmoid 函数作用将任意实数映射到 0 到 1，完美适配概率输出，是逻辑回归核心核心激活函数。为什么不直接用线性回归做分类？线性回归输出无范围限制，无法代表概率；受异常值影响极大，分类边界不稳定。二、损失函数高频考点逻辑回归用什么损失函数？对数似然损失（交叉熵损失），不用均方误差 MSE。为什么不用 MSE 均方误差？MSE 作为分类损失时，梯度曲线平缓，梯度消失严重收敛速度极慢，训练难以快速拟合非凸损失函数，容易陷入局部最优交叉熵损失优势梯度大小和误差成正比，误差越大梯度越大，收敛速度快、更新稳定，适合分类任务优化。