文章最前: 我是Octopus,这个名字来源于我的中文名--章鱼;我热爱编程、热爱算法、热爱开源。所有源码在我的个人github ;这博客是记录我学习的点点滴滴,如果您对 Python、Java、AI、算法有兴趣,可以关注我的动态,一起学习,共同进步。
LR与SVM的联系与区别
相同点:
1)LR与SVM都是分类算法
2)LR与SVM都是监督学习算法
3)LR与SVM都是判别模型
4)如果不考虑核函数,LR与SVM都是分类算法,也就是说他们的分类决策都是线性的。
不同点:
1)损失函数不同
2)SVM只考虑支持向量,而LR考虑全局
3)在解决非线性问题,SVM采用核函数的机制,而LR通常不采用核函数的方法
4)LR是参数模型,SVM是非参数模型,本质不同
5)在训练集较小时,SVM比较合适,而LR需要较多的样本
LR与线性回归的联系与区别:
1)LR与线性回归都是属于广义的线性回归
2)线程回归模型的优化目标函数是最小二乘,而LR则是依然函数
3)线性回归主要做预测,LR主要做分类(如:二分类)
4)LR的模型本质上是一个线程回归模型,逻辑回归模型无法做到sigmoid的非线程形式,sigmoid可以轻松处理0/1分类问题。
5)线程回归在整个实数范围内进行预测,敏感度一致,而分类范围,需要在【0,1】。逻辑回归就是一种减小预测范围,将预测值限定为【0,1】间的一种回归模型,而对于这类问题来说,逻辑回归的鲁棒性比线性回归的要好。