Question

我想简短地了解所有可用的估计量，例如对数回归或多项式回归或可用于分类问题的SVM。这是我所知道的三个。还有其他类似的东西吗？以及它们运行了多长时间或比它们能获得多准确？

Answer 1

逻辑回归：它是二进制分类的统计信息。它不是用于预测分类概率的分类器。它接受二进制答案（是或否）。使用regregr确定某个阈值，因此，该模型确定分类。数学将帮助您了解差异

逻辑回归可以简单地理解为找到最适合的β参数：

y = { 1      β 0 + β 1 x + ε > 0 
      0      else

其中ε是标准对数分布所分配的误差。

多项式回归：这是一种将Logistic回归广义化为多播探针的分类技术。在这种情况下，输入取决于输入，方法尝试通过输入找到最佳的最接近的线。基本思想是从所有可能的输入中计算分数usig点积，并找到最接近的可能解。

支持向量机：它是非线性分类器。 SVM是空间中的点的表示形式，已映射，因此可以将这些点分为不同的类别，并具有明显的间隙，间隙尽可能宽，可以进一步用于新点。

有很多分类技术，根据我们使用分类器的数据。我将同样使用MIT开放式课件。我想这也将帮助您了解基本思想。

Answer 2

以下内容可用于分类问题：