支持向量机如何与Logistic回归进行比较？

Question

支持向量机（SVM）和逻辑回归（LR）已在机器学习社区中得到广泛讨论，我知道它们都能达到相当不错的性能。但是，我不确定SVM与逻辑回归相比如何？为什么有时SVM的性能优于LR？有时候不是吗？哪些因素决定了这些因素。

Answer 1

  

为什么有时SVM的性能优于LR？有时候不是吗？

你可以为任何两个统计方法x和y提出这个问题。总会存在某些情况，其中一个表现优于另一个。这种行为通常用“34”字样来概括;没有免费的午餐＆＃34;。

现在，您关于支持向量机和逻辑回归的特定问题非常广泛，因此我只能列举一些粗略的功能。逻辑回归，即应用了S形的线性模型，在实践中经常使用，因为拟合的参数可以很好地解释。此外，作为（通用的）线性模型，它对于大的特征尺寸也经常表现良好。另一方面，SVM经常导致较小的训练和泛化误差，这是由于使用相对少量的支持向量（＆＃34;稀疏性和＃34;）非常适用于具有大量数据的数据集。样品

在实践中，如果可能，您应该始终比较两者。此外，如果需要可解释性，我建议更倾向于逻辑回归，如果需要井预测能力，我建议使用SVM。