Note ≡ 로지스틱 회귀 vs 서포트 벡터 머신

실제 분류 작업에서 선형 로지스틱 회귀와 선형 SVM은 종종 매우 비슷한 결과를 만듭니다. 로지스틱 회귀는 훈련 데이터의 조건부 가능도를 최대화하기 때문에 SVM보다 이상치에 민감합니다. SVM은 결정 경계에 가장 가까운 포인트(서포트 벡터)에 대부분 관심을 둡니다. 반면 로지스틱 회귀는 모델이 간단하고 구현하기 쉬우며 수학적으로 설명하기 더 용이한 장점이 있습니다. 또한, 로지스틱 회귀 모델은 업데이트가 용이하므로 스트리밍 데이터를 다룰 때 적합합니다.