我正在学习预测建模，想知道在监督学习的情况下，逻辑回归和 KNN 都可以用于分类。那么在哪些情况下我们应该使用一种或另一种？更具体地说，它们在模型构建的应用中有何不同?
谢谢。
基本上，KNN 假设彼此距离较近的点必须具有相同的标签，它受到维数诅咒的影响，因此我建议您仅将它用于具有少量样本的低维数据集（因为非常慢）。另一方面，逻辑回归拟合一个将两个概率分布与指数族分开的超平面，它在具有大量训练点的高维数据集上运行得非常好，但是如果您的数据不是线性可分的，则该算法将不起作用根本。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句