对于线性可分数据，逻辑回归是否更好？

Question

关于分类... 假设发现一个数据是线性可分的（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，例如逻辑回归（而不是 SVM 或任何其他模型），因为他们说简单模型是更好的模型

如有错误请指正

提前致谢！ 苏里亚

Answer 1

不要将算法与模型混淆。对于线性可分数据，这些算法中的每一个应该返回一个简单的超平面，即具有实系数的线性（一级）项的总和。因此，每个模型都同样简单。

如果您关心最简单的算法，那么您确实有道理。

我会坚持使用简单的 SVM：它提供了一个封闭形式的计算来确定最佳分离，基于最近的 N+1 个观察值（给定 N 个特征）。

每种算法在运行时间、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。