机器学习（八）--------支持向量机 (Support Vector Machines)

与逻辑回归和神经网络相比，支持向量机或者简称 SVM，更为强大。
人们有时将支持向量机看作是大间距分类器。

这是我的支持向量机模型代价函数
这样将得到一个更好的决策边界

理解支持向量机模型的做法，即努力将正样本和负用最大间距分开。

实际上应用支持向量机的时候， 当𝐶不是非常大的时候， 它可以忽略掉一些异点影响得到更好的决策界。

𝐶=1/𝜆，因此： ，因此：
𝐶 较大时，相当于 𝜆 较小，可能会导致过拟合高方差。
𝐶 较小时，相当于𝜆 较大，可能会导致低拟合高偏差。

为了更好的构建高阶多项式，高斯核函数 (Gaussian Kernel)

下面是 支持向量机的两个参数 𝐶和𝜎的影响： 𝐶=1/𝜆
𝐶 较大时，相当于 𝜆较小，可能会导致过拟合高方差；
𝐶 较小时，相当于 𝜆较大，可能会导致低拟合高偏差；
𝜎较大时，可能会导致低方差高偏；
𝜎较小时，可能会导致低偏差高方。

大数据流动 专注于大数据实时计算，数据治理，数据可视化等技术分享与实践。
请在后台回复关键字下载相关资料。相关学习交流群已经成立，欢迎加入~