Supongo que querías decir regresión logística.
Tanto SVM como LR son clasificadores, pero utilizan diferentes hipótesis para la clasificación. SVM es principalmente determinista (aunque también se puede calcular la probabilidad pero eso es secundario) mientras que LR es probabilístico. SVM intenta maximizar el margen entre el vector de soporte más cercano, mientras que LR maximiza la probabilidad posterior.
SVM funciona en un conjunto de datos separable linealmente, aunque también puede usar núcleos no lineales (por ejemplo, RBF) para el conjunto de datos que no es separable linealmente, mientras que LR funciona para ambos.
- ¿Dónde usa Quora el aprendizaje automático?
- ¿Qué es una explicación intuitiva de los modelos de mezcla gaussiana?
- Cómo saber si mi modelo de regresión es heteroscedastic u homoscedastic de mi modelo de residuos
- ¿Cuál es la diferencia entre la red neuronal profunda y la factorización de matriz profunda?
- ¿Qué deparará el futuro para los desarrolladores en la era del aprendizaje profundo y la IA? ¿Cuáles serán las tendencias y cómo sobrevivirán los desarrolladores?
Se prefiere SVM cuando tiene un conjunto de características pequeño, pero LR también funciona para conjuntos de características grandes. Pero SVM es un clasificador difícil y LR es suave porque obtienes un puntaje de probabilidad.
¿Un vector de soporte se comporta como una red neuronal?
No, no lo hace, Neural Network es un enfoque diferente para la clasificación en conjunto. Pero sí, puedes imitar el comportamiento SVM o LR usando Neural Net.