Logistic regression और SVM की तुलना

Python में Linear Classifiers

Michael (Mike) Gelbart

Instructor, The University of British Columbia

Logistic regression:

  • एक linear classifier है
  • kernels के साथ इस्तेमाल कर सकते हैं, पर धीमा
  • सार्थक probabilities आउटपुट करता है
  • multi-class तक बढ़ाया जा सकता है
  • सभी data points fit को प्रभावित करते हैं
  • L2 या L1 regularization

Support vector machine (SVM):

  • एक linear classifier है
  • kernels के साथ इस्तेमाल कर सकते हैं, और तेज
  • स्वाभाविक रूप से probabilities आउटपुट नहीं करता
  • multi-class तक बढ़ाया जा सकता है
  • केवल "support vectors" fit को प्रभावित करते हैं
  • परंपरागत रूप से सिर्फ L2 regularization
Python में Linear Classifiers

scikit-learn में उपयोग

sklearn में Logistic regression:

  • linear_model.LogisticRegression

sklearn में मुख्य hyperparameters:

  • C (regularization strength का inverse)
  • penalty (regularization का प्रकार)
  • multi_class (multi-class का प्रकार)

sklearn में SVM:

  • svm.LinearSVC और svm.SVC
Python में Linear Classifiers

scikit-learn में उपयोग (जारी)

sklearn में मुख्य hyperparameters:

  • C (regularization strength का inverse)
  • kernel (kernel का प्रकार)
  • gamma (RBF smoothness का inverse)
Python में Linear Classifiers

SGDClassifier

SGDClassifier: बड़े datasets पर अच्छा scale करता है 

from sklearn.linear_model import SGDClassifier

logreg = SGDClassifier(loss='log_loss')

linsvm = SGDClassifier(loss='hinge')
  • SGDClassifier का hyperparameter alpha, 1/C जैसा है
Python में Linear Classifiers

अभ्यास करते हैं!

Python में Linear Classifiers

Preparing Video For Download...