SVM和Logistic Regression的使用时的区别
来源:互联网 发布:qq在线人数竞猜源码 编辑:程序博客网 时间:2024/06/02 04:45
上图来自Andrew Ng的机器学习课程,我做个搬运工:
假设: n = 特征数量,m = 训练样本数量
1)如果n相对于m更大,比如 n = 10,000,m = 1,000,则使用lr
理由:
特征数相对于训练样本数已经够大了,使用线性模型就能取得不错的效果,不需要过于复杂的模型;
2)如果n较小,m比较大,比如n = 10,m = 10,000,则使用SVM(高斯核函数)
理由:
在训练样本数量足够大而特征数较小的情况下,可以通过使用复杂核函数的SVM来获得更好的预测性能,而且因为训练样本数量并没有达到百万级,使用复杂核函数的SVM也不会导致运算过慢;
3)如果n较小,m非常大,比如n = 100, m = 500,000,则应该引入/创造更多的特征,然后使用lr或者线性核函数的SVM
理由:
因为训练样本数量特别大,使用复杂核函数的SVM会导致运算很慢,因此应该考虑通过引入更多特征,然后使用线性核函数的SVM或者lr来构建预测性更好的模型。
阅读全文
0 0
- SVM和Logistic Regression的使用时的区别
- svm与logistic regression的区别
- svm与logistic regression的区别
- 关于Logistic Regression 与 SVM的选择
- 逻辑回归(Logistic Regression)和SVM的联系以及Kernel
- 逻辑回归(Logistic Regression)和SVM的联系以及Kernel
- 105 PCA和logistic regression的联合使用
- 使用SPSS进行Logistic Regression时应注意的问题
- Logistic Regression VS. SVM
- Logistic regression与SVM
- Logistic Regression and SVM
- Logistic Regression的理解
- Logistic regression的林林总总
- SVM与Logistic回归的区别
- logistic regression 和 softmax regression的损失函数
- XGBoost模型跟Logistic Regression模型的本质区别
- 简单logistic regression的实现
- Logistic Regression的几个特性
- app与后台的token、sessionId、RSA加密登录认证与安全解决方案
- 一个m*n的矩阵,从左到右从上到下都是递增的,给一个数x,判断x是否在矩阵中
- Webpack安装
- Makefile
- LeetCode-50-Pow(x, n) 快速幂
- SVM和Logistic Regression的使用时的区别
- tensorflow(4) 在tf.estimator中建立input函数
- 工厂模式
- python实现计算字符串中的整数的总和
- sql语句的30中查询
- Scrapy project 运行时出现no module named win32api 错误
- 交叉熵与均方差
- JSONP跨域技术
- strtok函数详解