Sto leggendo SVM
e ho affrontato al punto che i non kernel SVMs
non sono altro che separatori lineari. Pertanto, l'unica differenza tra una SVM
e regressione logistica è il criterio per scegliere il confine?
Apparentemente, SVM
sceglie il massimo classificatore di margini e la regressione logistica è quella che minimizza la cross-entropy
perdita. Ci sono situazioni in cui si SVM
comporta meglio della regressione logistica o viceversa?