machine-learning
SVM

Diferencia entre regresión logística y SVM.

Límite de decisión cuando clasificamos usando regresión logística -

Límite de decisión cuando clasificamos usando SVM -

Como se puede observar, la SVM intenta mantener un "vacío" en ambos lados del límite de decisión. Esto resulta útil cuando nos encontramos con nuevos datos.

Con nuevos datos

La regresión logística funciona mal (el nuevo círculo rojo se clasifica como azul)

Mientras que SVM puede clasificarlo correctamente (el nuevo círculo rojo se clasifica correctamente en el lado rojo) -

Implementando el clasificador SVM usando 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()