文章/答案/技术大牛

发布

社区首页 >问答首页 >适合MNIST的logistic回归最优解的选择

问适合MNIST的logistic回归最优解的选择
EN

Stack Overflow用户

提问于 2019-01-24 05:25:28

回答 1查看 2.6K关注 0票数 1

我对马奇宁的学习很陌生。我一直在跟踪一些在线教程，它们通过使用python库对MNIST数据进行逻辑回归。默认的'liblinear‘解算器在6万个图像的训练集上表现缓慢，因此本教程建议使用'lbfgs’解算器。

然而，用户指南建议，这个解决程序只适用于小型数据集：

建议将“lbfgs”解算器用于小型数据集，但对于较大的数据集，它的性能受到影响。9

虽然我熟悉统计数据，其中一个小的数据集通常是<100，我如何证明选择这个求解者在这里，以及我如何联系一个样本的大小在这种情况下？这仅仅是基于直觉/性能，还是有一些严格的标准？

发布于 2019-01-24 14:35:39

这不是用来解决问题的人。对MNIST数据进行Logistic回归，得到了一些较低的结果。因为它只是在两类之间画了一条分界线。然而，如果使用神经网络、卷积神经网络、支持向量机( SVM )中的任何核函数而不是“线性”，则在参数最适合的情况下，它们会给出最佳结果。

解决者绝对是在浪费你的时间。但它更好的建议使用上述模型。

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/54339858

复制

相似问题

问适合MNIST的logistic回归最优解的选择EN