В линейной регрессии при использовании функции потерь MSE это всегда выпуклая функция в форме чаши, а градиентный спуск всегда может найти глобальные минимумы. В логистической регрессии, если мы используем MSE, это не будет выпуклой функцией, потому что функция гипотезы нелинейна (она использует сигмоидальную активацию). Таким образом, градиентному спуску будет сложнее... Читать далее