对于这两个问题，我们可以逐一进行分析： 1. **逻辑回归解决的是分类问题，因变量为离散值；线性回归解决的是回归问题，因变量为连续值。** - **答案：对** - 逻辑回归（Logistic Regression）确实主要用于解决二分类或多分类问题，其中因变量（目标变量）是离散的，通常表示为0和1（在二分类情况下）或其他离散类别标签。逻辑回归通过应用一个逻辑函数（通常是sigmoid函数）将线性回归的输出映射到(0,1)区间，从而可以解释为概率。 - 线性回归（Linear Regression）则用于解决回归问题，即预测一个连续值。在线性回归中，目标变量（因变量）是连续的数值。 2. **对定序变量做回归时需严格关注其顺序性，否则很可能会造成数据分析结果的失效。** - **答案：对** - 定序变量（Ordinal Variable）是有顺序的离散变量，例如教育水平（小学、初中、高中、大学等）。在进行回归分析时，定序变量的顺序性非常重要，因为顺序反映了变量水平之间的相对强度或等级。 - 如果忽略定序变量的顺序性，将其当作名义变量（Nominal Variable，即无顺序的离散变量）处理，可能会导致分析结果无法正确反映变量之间的实际关系，从而导致数据分析结果的失效或误导。 综上所述，两个问题的正确答案都是“对”。
