KNN在同样数据集上的F1 score高于逻辑回归(分类)

[Huang-Jack]

逻辑回归

precision recall f1-score support

      0       0.89      0.96      0.92        68
      1       0.89      0.75      0.81        32

avg / total 0.89 0.89 0.89 100

KNN
precision recall f1-score support

      0       0.96      0.94      0.95        68
      1       0.88      0.91      0.89        32

avg / total 0.93 0.93 0.93 100

[zhyongquan]

我要请你加入组织，下一次你来翻译一部分，有没有兴趣？

[wengJJ]

这个问题涉及到：
1、数据集的数据与label选择（是否线性、分类还是回归、样本平衡问题、特征空间大小等）
2、模型参数的选择（例如k值的选择）

一般来说k-NN在样本均衡的情况下效果是要好于逻辑回归的，因为逻辑回归的优点在于速度快、计算量小，在对准确率要求不高的工业上应用的很广泛，而k-NN对数据没有假设，准确度高，缺点在于训练快但预测速度很慢，而且对样本分布不平衡的预测效果非常不好。

[Huang-Jack]

@zhyongquan 可以啊，乐意为大家贡献自己的力量

[zhyongquan]

我发了2次邀请，你没看到吗？