machine-learning - 逻辑回归对于线性可分离数据更好吗？

Question

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

Answer 1

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。