关于逻辑回归和kNN对于数字识别的性能对比

来源：11-4 scikit-learn中的SVM

SpiceeYJ

2018-11-11

用kNN对数字进行分类得到的召回率精准率以及f1 score都优于逻辑回归算法是不是就可以说明kNN算法的确更适用于数字识别的任务

写回答

1回答

liuyubobobo

2018-11-11

已采纳

kNN很容易“看起来”性能更好，因为kNN很容易过拟合：）

但是整体而言，我认为kNN相较逻辑回归而言，确实可能更适合数字识别任务。毕竟，逻辑回归只是一个线性模型，而数字识别显然是一个非线性的任务。

但是，这里我说的“适合”，只是从准确率的角度说的，要知道，kNN的致命缺点，就是预测速度慢。样本量越大，预测越慢。而这样的一个限制，和我们在统计的世界里，希望有更多的样本，来让机器更加准确的学习，是矛盾的。所以，实际上，在生产环境下，很少见到kNN有用武之地：）

Python3入门机器学习经典算法与应用

Python3+sklearn，兼顾原理、算法底层实现和框架使用。

5851 学习 · 2437 问题

相似问题

回答 1

回答 1

回答 1

回答 1

回答 2