对于线性可分的数据，逻辑回归是否更好？

Question

关于分类...... 假设找到一个可线性分离的数据（使用SVM / Clustering / Single perceptron等测试线性可分性。） 我们可以使用更简单的模型，如逻辑回归（而不是SVM或任何其他），因为他们说简单模型是更好的模型

如果错误，请纠正我

提前致谢！ 苏里亚

Answer 1

不要将算法与模型混淆。利用线性可分数据，这些算法中的每一个应该返回一个简单的超平面，一系列线性（一级）项与实系数。因此，每个模型同样简单。

如果您关注最简单的算法，那么您确实有一个观点。

我会坚持直截了当的SVM：它提供了一个封闭形式的计算，以确定最佳分离，基于最近的N + 1个观测值（给定N个特征）。

每种算法在运行时，清晰度，准确性等方面都有其优势。如果您的标准不是最大差距，那么线性回归（以封闭形式）可能是最佳选择。