我想简要了解所有可用的估计器，如逻辑回归或多项式回归或SVM，它们可用于分类问题。 这是我认识的三个。还有其他类似的吗？相对而言，它们运行多长时间或比这些能达到多准确？
逻辑回归：它是二元分类的统计。它不是用于预测分类概率的分类器。它接受二进制答案，无论是真还是假。使用regresion确定某些阈值，因此，模型决定分类。 数学将帮助您理解差异
逻辑回归可以简单地理解为找到最适合β参数：
y = { 1 β 0 + β 1 x + ε > 0
0 else
其中ε是由标准逻辑分布分布的错误。
多名义回归：这是一种将逻辑反射推广到多播问题的分类技术。在这种情况下，输入是相关的，方法尝试通过输入找到最佳最近的线。基本思想是从所有可能的输入中计算分数 usig 点积并找到最接近的可能解决方案。
支持向量机：它是非线性分类器。SVM 是空间中点的表示，映射以便将点分类为单独的类别，并具有尽可能宽的清晰间隙，并可以进一步用于新点。
有许多分类技术，根据数据我们使用分类器。我会参考麻省理工学院的开放课件。我想这也将帮助您了解基本概念。
以下内容可用于分类问题：
- 逻辑回归
- 支持向量机
- 随机森林分类器
- 神经网络