我在学习预测建模，了解到逻辑回归和KNN都可以在监督学习中用于分类。那么，在哪些情况下我们应该使用其中一种方法？更具体地说，在模型构建中它们的应用有何不同？

谢谢你。

回答：

基本上，KNN假设彼此靠近的点必须具有相同的标签，它受维度灾难的影响，因此我建议你只在维度低且样本数量少的数据集上使用它（因为它非常慢）。另一方面，逻辑回归适合一个超平面来分隔指数族的两个概率分布，它在高维数据集和大量训练点上表现很好，但如果你的数据不是线性可分的，该算法将完全不起作用。