关于分类... 假设发现一个数据是线性可分的(使用SVM/聚类/单感知器等测试线性可分性..) 我们可以使用逻辑回归等更简单的模型(而不是 SVM 或任何其他模型),因为他们说简单的模型是更好的模型
如有错误请指正
提前致谢! 苏里亚
最佳答案
不要将算法与模型混淆。对于线性可分离的数据,每个算法应该返回一个简单的超平面,即具有实系数的线性(一次)项的总和。因此,每个模型都同样简单。
如果您关心的是最简单的算法,那么您确实有道理。
我会坚持使用简单的 SVM:它提供封闭式计算,根据最近的 N+1 观测值(给定 N 个特征)来确定最佳分离。
每种算法在运行时间、清晰度、准确性等方面都有其优势。如果您的标准不是最大间隙,那么线性回归(封闭形式)可能是最佳选择。
关于machine-learning - 逻辑回归对于线性可分离数据更好吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44381937/