對比線性迴歸、邏輯迴歸和SVM
線性迴歸是迴歸模型，邏輯迴歸和SVM是分類模型。
線性迴歸和邏輯迴歸是線性模型，SVM根據核函式的不同有線性模型和非線性模型。
邏輯迴歸和SVM都是判別式模型。
三者都屬於有監督演算法。
三個模型的分介面都是線性的，非線性SVM可以理解為通過核函式將非線性特徵對映為線性特徵，然後再求線性分介面（只是方便理解，實際上並不是線性）。實際運算時直接在低維空間中直接計算，而不是先對映到高維空間再進行內積運算。
由於支援向量機只關心分介面上的點，所以不受資料分佈的影響，但卻容易受到異常值的影響。如果異常值出現在分介面內部則不會影響分類結果，如果出現在兩條正常分介面之間，則會直接影響分解面的位置。
邏輯迴歸假設資料服從伯努利分佈，受資料分佈影響，要處理資料集不均衡的情況，不容易受異常值影響。
相關文章
- 線性迴歸與邏輯迴歸邏輯迴歸
- 機器學習 | 線性迴歸與邏輯迴歸機器學習邏輯迴歸
- 邏輯迴歸邏輯迴歸
- 資料探勘從入門到放棄（一）：線性迴歸和邏輯迴歸邏輯迴歸
- 線性迴歸——lasso迴歸和嶺迴歸（ridge regression）
- 邏輯迴歸模型邏輯迴歸模型
- Python邏輯迴歸Python邏輯迴歸
- 【小白學AI】線性迴歸與邏輯迴歸（似然引數估計）AI邏輯迴歸
- 對數機率迴歸（邏輯迴歸）原理與Python實現邏輯迴歸Python
- 線性迴歸-如何對資料進行迴歸分析
- 線性迴歸
- 邏輯迴歸演算法邏輯迴歸演算法
- 1.3 - 線性迴歸
- 機器學習簡介之基礎理論- 線性迴歸、邏輯迴歸、神經網路機器學習邏輯迴歸神經網路
- 機器學習：邏輯迴歸機器學習邏輯迴歸
- 2.3 邏輯迴歸演算法邏輯迴歸演算法
- 4.邏輯迴歸（Logistic Regression）邏輯迴歸
- Tensorflow教程（前三）——邏輯迴歸邏輯迴歸
- 邏輯迴歸 損失函式邏輯迴歸函式
- python實現線性迴歸之簡單迴歸Python
- 4-線性迴歸
- 1維線性迴歸
- 線性迴歸實戰
- 線性迴歸總結
- 多元線性迴歸模型模型
- 線性迴歸推導
- 線性迴歸—求解介紹及迴歸擴充套件套件
- 線性迴歸，邏輯迴歸的學習（包含最小二乘法及極大似然函式等）邏輯迴歸函式
- 機器學習整理（邏輯迴歸）機器學習邏輯迴歸
- 2.3邏輯迴歸損失函式邏輯迴歸函式
- 邏輯迴歸為什麼使用sigmod邏輯迴歸
- 機器學習之邏輯迴歸機器學習邏輯迴歸
- [DataAnalysis]機器學習演算法——線性模型（邏輯迴歸+LDA）機器學習演算法模型邏輯迴歸LDA
- 線性迴歸-程式碼庫
- pytorch實現線性迴歸PyTorch
- 資料分析：線性迴歸
- 線性迴歸演算法演算法
- PRML 迴歸的線性模型模型