支持向量机与逻辑回归

悟空悟空 成员职位:4贡献我
2019年6月编辑 在帮助
我需要帮助。
我正在使用SVM和Simple Logistic进行文档分类，我想选择哪一个更适合我的情况。
在我看来，支持向量机模型的构建速度比简单逻辑模型快，但简单逻辑模型似乎比支持向量机有更好的精度和查全率。
我想问一些愚蠢的问题，因为我需要解释为什么可以选择简单逻辑。

SVM使用超平面避免过拟合，但我不知道简单逻辑是否能够避免过拟合。
我的第二个问题是，简单逻辑是线性逻辑回归模型还是得到一个线性模型，然后把它放到逻辑回归模型中。

任何建议都会有帮助，因为简单的逻辑会让我困惑??
标记:

答案

  • kasper2304kasper2304 成员职位:28因素二世
    嗨,悟空。

    要决定哪种方法是最好的，需要对你的数据集有更多的了解。所以请你再解释一下。我真的不知道你说的“线性”逻辑回归是什么意思。“对数”回归的名称意味着回归是基于一条来自对数的线，而不是线性的。我听说过的唯一三种回归是“简单”线性回归= 1 DV vs 1 IV，“多元”回归= 1 DV vs + 2 IV和“逻辑”回归= 1分类DV vs + 1 IV。

    我知道我的答案来晚了，但如果你仍然需要帮助，我可以给你一些提示。

    卡斯帕
  • MariusHelfMariusHelf RapidMiner认证专家，会员职位:1869年独角兽
    你好,

    如果你交叉验证了你的结果，那么在你的情况下，逻辑回归可能比支持向量机更好……＼

    顺便说一下，在RapidMiner中，逻辑回归内部使用了一个带有修改损失函数的支持向量机。有一篇论文证明了这两种方法是等价的。如果你感兴趣，我可以搜索标题和作者。

    最好的问候,
    马吕斯
  • earmijoearmijo 成员职位:265独角兽
    马吕斯:

    你能把参考资料寄上去吗?

    当一个人使用逻辑回归算子时，我一直不太明白RM适合什么。

    我是一名统计学家，对我来说，逻辑回归是Weka算子W-Logistic所适合的。

    提前谢谢你，

    \ E。
  • MariusHelfMariusHelf RapidMiner认证专家，会员职位:1869年独角兽
    嗨。

    正如逻辑回归的文档所述，它是基于myKLR和Keerthi各自的论文。给你:
    http://www-ai.cs.uni-dortmund.de/SOFTWARE/MYKLR/index.html
    http://link.springer.com/content/pdf/10.1007%2Fs10994-005-0768-5

    我必须承认我从来没有读过这篇论文，所以我不能给你任何关于它内容的细节：）

    最好的问候,
    马吕斯
登录或注册置评。