Machine learning 对于线性可分数据，逻辑回归更好吗？

关于分类。。。 假设发现数据是线性可分离的（使用SVM/聚类/单感知器等测试线性可分离性） 我们可以用一个更简单的模型，比如逻辑回归（而不是SVM或任何其他），因为他们说简单模型是更好的模型吗

如果有错，请纠正我

提前谢谢！

---

Surya

不要将算法与模型混淆。对于线性可分离的数据，这些算法中的每一个都应该返回一个简单的超平面，即具有实系数的线性（一阶）项的总和。因此，每个模型都同样简单

如果你关心的是最简单的算法，那么你确实有一个观点

我将坚持使用简单的SVM：它提供了一个封闭形式的计算，以根据最近的N+1观测值（给定N个特征）确定最佳分离

---

每种算法在运行时、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（以其闭合形式）可能是最佳选择。

如果可能，您应该始终选择更简单的模型。在这种情况下，线性回归。