machine-learning - 选择逻辑回归或决策树

Question

我有我的项目，其中功能是 0 或 1（这意味着是或否），标签是从 0 到 9。应用程序将向用户询问 100 个问题，答案将是 0 或 1（功能）。从这些问题中，我会告诉他哪个标签适合他（如果是 0 或 1 或 2.....9）

我已经做了一些代码（用 LR）你怎么看？对于这种情况，我将使用多类逻辑回归或多类决策树

Answer 1

当数据的维度很高时，逻辑回归效果很好。而在决策树中，深度不应该太深。因此，在您的情况下更好的是决策树，但最好的做法是尝试这两种方法，然后通过任何指标（如准确性、AUC、日志损失等）查看它们的性能。