machine-learning
SVM

Unterschied zwischen logistischer Regression und SVM

Entscheidungsgrenze beim Klassifizieren mit logistischer Regression -

Entscheidungsgrenze bei der Klassifizierung mit SVM -

Wie man sehen kann, versucht die SVM auf beiden Seiten der Entscheidungsgrenze eine "Lücke" zu halten. Dies ist hilfreich, wenn wir auf neue Daten stoßen.

Mit neuen Daten-

Logistische Regression funktioniert schlecht (neuer roter Kreis wird als blau klassifiziert) -

Während SVM es richtig klassifizieren kann (der neue rote Kreis wird korrekt in die rote Seite eingestuft)

Implementieren des SVM-Klassifizierers mit Scikit-learn:

from sklearn import svm
X = [[1, 2], [3, 4]] #Training Samples
y = [1, 2] #Class labels
model = svm.SVC() #Making a support vector classifier model
model.fit(X, y) #Fitting the data

clf.predict([[2, 3]]) #After fitting, new data can be classified by using predict()