KNN在同样数据集上的F1 score高于逻辑回归(分类)
Huang-Jack opened this issue · 4 comments
Huang-Jack commented
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 commented
我要请你加入组织,下一次你来翻译一部分,有没有兴趣?
wengJJ commented
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 commented
@zhyongquan 可以啊,乐意为大家贡献自己的力量
zhyongquan commented
我发了2次邀请,你没看到吗?