এলডিএর উত্তরোত্তর শ্রেণীর সদস্যতার সম্ভাবনা নিয়ে বেইস ভবিষ্যদ্বাণীটিও একটি লজিস্টিক বক্ররেখা অনুসরণ করে।
[এফ্রন, বি। সাধারণ বৈষম্যমূলক বিশ্লেষণের তুলনায় লজিস্টিক রিগ্রেশনের দক্ষতা, জে এম স্ট্যাট এসোসিয়েশন, 70, 892-898 (1975)]
যদিও সেই কাগজটি দেখায় যে এলডিএর অনুমানগুলি পূরণ করা হলে এলডিএর তুলনামূলক দক্ষতা এলআর তুলনায় উচ্চতর (রেফারেন্স: উপরের ইফ্রন পেপার, @tthnps এর শেষ পয়েন্ট), বাস্তবে পরিসংখ্যানগত শিক্ষার উপাদানগুলির অনুসারে কোনও পার্থক্য খুব কমই রয়েছে।
[হাস্টি, টি। এবং তিবশিরানী, আর। এবং ফ্রেডম্যান, জে স্ট্যাটিস্টিকাল লার্নিং এর উপাদানসমূহ; ডেটা মাইনিং, ইনফারেন্স এবং প্রেডিকশন স্প্রিঞ্জার ভার্লাগ, নিউ ইয়র্ক, ২০০৯]
এলডিএর যে অপেক্ষাকৃত দক্ষতা বৃদ্ধি পেয়েছে বেশিরভাগ ক্ষেত্রে অ্যাসিম্পটোটিক ক্ষেত্রে ঘটে যেখানে পরম ত্রুটি কার্যতভাবে ততটা উপেক্ষিত না।
[হ্যারেল, এফই এবং লি, কেএল বৈচিত্র্যময় স্বাভাবিকতার অধীনে বৈষম্যমূলক বিশ্লেষণ এবং লজিস্টিক রিগ্রেশন বৈষম্যের একটি তুলনা, বায়োস্টাটিস্টিক্স: বায়োমেডিক্যাল, জনস্বাস্থ্য ও পরিবেশ বিজ্ঞানের পরিসংখ্যান, ৩৩৩-৩৩৩ (১৯৮৫)।]
যদিও আমি অনুশীলনে উচ্চ মাত্রিক ছোট নমুনা আকারের পরিস্থিতিগুলির মুখোমুখি হয়েছি যেখানে এলডিএ উচ্চতর বলে মনে হয় (বহুভিত্তিক স্বাভাবিকতা এবং সমান কোভেরিয়েন্স ম্যাট্রিক্স অনুমান উভয়ই দৃশ্যমানভাবে পূরণ হয়নি)।
[ বেলাইটস, সি .; গিজার, কে।; কির্ছ, এম ;; সোবোটকা, এসবি; শ্যাকার্ট, জি। ও সালজার, আর। রমন অ্যাস্ট্রোকাইটোমা টিস্যুগুলির বর্ণালী গ্রেডিং: নরম রেফারেন্স তথ্য ব্যবহার করে Anal, অ্যানাল বায়ানাল কেম, 400, 2801-2816 (2011)। ডিওআই: 10.1007 / s00216-011-4985-4 ]
তবে মনে রাখবেন যে আমাদের কাগজে এলআর সম্ভবত সমস্যাটির সাথে লড়াই করছে যা (কাছাকাছি) নিখুঁত পৃথকীকরণের সাথে দিকনির্দেশগুলি খুঁজে পেতে পারে with অন্যদিকে এলডিএ কম মারাত্মকভাবে অত্যধিক মানানসই হতে পারে।
এলডিএর জন্য বিখ্যাত অনুমানগুলি কেবল অনুকূলতা প্রমাণের জন্য প্রয়োজন। যদি সেগুলি পূরণ না করা হয়, তবে পদ্ধতিটি এখনও ভাল উত্তরাধিকারী হতে পারে।
একটি পার্থক্য যা অনুশীলনে আমার পক্ষে গুরুত্বপূর্ণ কারণ আমি মাঝে মাঝে / ঘন ঘন ঘন ঘন ঘন শ্রেণিবদ্ধকরণের সমস্যাগুলি দেখা করি তা প্রকৃতপক্ষে স্পষ্টত শ্রেণিবদ্ধকরণের সমস্যা নয়: এলআর সহজেই ডেটা দিয়ে সম্পন্ন করা যেতে পারে যেখানে রেফারেন্সের মধ্যবর্তী স্তরের সদস্যপদ রয়েছে। সর্বোপরি, এটি একটি রিগ্রেশন কৌশল।
[উপরে লিঙ্কযুক্ত কাগজ দেখুন]
আপনি বলতে পারেন যে এলআর ক্লাসের সীমানার কাছাকাছি উদাহরণগুলিতে এলডিএর চেয়ে বেশি মনোনিবেশ করে এবং বিতরণগুলির "পিছনে" মামলাগুলিকে অবহেলা করে।
এটি এলডিএর তুলনায় কেন বহিরাগতদের কাছে (যেমন পিছনের দিকে) কম সংবেদনশীল তাও এটি ব্যাখ্যা করে।
(সমর্থন ভেক্টর মেশিনগুলি এমন একটি শ্রেণিবদ্ধ হবে যা এই দিকটি একেবারে শেষ দিকে চলে যায়: এখানে সীমান্তে থাকা মামলাগুলি বাদ দিয়ে সবকিছুই অবহেলা করা হয়)