PTT數位生活區 / DataScience

[問題] logistic regression vs SVM

看板DataScience作者 (jikeZ)時間6年前 (2018/03/30 09:25), 編輯推噓4(4推 0噓 8→)
留言12則, 5人參與, 6年前最新討論串1/3 (看更多)
各位大神前輩好，小弟不才，最近在面試遇到一個有趣的問題， 面試官問說data在什麼情況下會用logistic regression，什麼 情況下會用SVM? 當下有點愣住，若談boundary的特性，兩個都可以透過kernel trick轉成nonlinear。印象中以前看蠻多例子都會用 K-fold cross validation做比較，好像沒有一個通則說什麼情 形下哪一個一定會優於另一個。 後來跟一個Phd朋友討論後，也只得到說logistic regression在 data seperable情況下，MLE會是無窮大，但在practical中並不 常見完全seperable的data?! 另外有想到說loss的差異，但其實hinge loss跟logistic regression 的loss(sigmoid+cross entropy)似乎也只有微小差異? 且loss的 不同似乎也不是面試官想問的data特性? 最後只想到multi-class，LR有softmax推廣到multi-class，但SVM 也可以做1-vs-all SVMs。不曉得各位大神前輩們對於這兩者的比較 適用於什麼樣的data有什麼看法? 先謝謝各位大神前輩! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 71.56.79.88 ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1522373117.A.797.html
推
03/30 09:41, 6年前 , 1F
我猜 1-vs-all 的 decision boundary 有陷阱？
03/30 09:41, 1F
→
03/30 09:42, 6年前 , 2F
這要回有點長xd decision boundry不一樣 interpretability
03/30 09:42, 2F
→
03/30 09:42, 6年前 , 3F
還有 big O complexity 都不同
03/30 09:42, 3F
→
03/30 09:43, 6年前 , 4F
就算是y=0,1 他們的特性都差很多
03/30 09:43, 4F
→
03/30 09:44, 6年前 , 5F
svm prediction on unseen data 會比較準一點？ 因為用 sup
03/30 09:44, 5F
→
03/30 09:44, 6年前 , 6F
port vector的特性 特別是小的dataset？
03/30 09:44, 6F
→
03/30 09:46, 6年前 , 7F
boundry 可不只有 linear non linear, SVM 的SV是指 suppor
03/30 09:46, 7F
→
03/30 09:46, 6年前 , 8F
t vector
03/30 09:46, 8F
推
03/30 09:50, 6年前 , 9F
還有n>m用SVM也會比較好
03/30 09:50, 9F
推
03/30 10:23, 6年前 , 10F
學術單位的面試？
03/30 10:23, 10F
推
03/30 10:25, 6年前 , 11F
推!
03/30 10:25, 11F
→
03/31 00:58, 6年前 , 12F
svm with radio basis, will transfrom data p -> n dim
03/31 00:58, 12F
‣ 更多 jikett 的文章
文章代碼(AID): #1QlP7zUN (DataScience)
DataScience 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 jikett 的文章
文章代碼(AID): #1QlP7zUN (DataScience)