machine-learning
SVM

Différence entre la régression logistique et la SVM

Limite de décision lorsque nous classifions en utilisant la régression logistique -

Limite de décision lorsque nous classifions à l'aide de SVM -

Comme on peut l'observer, SVM essaie de maintenir un «écart» de chaque côté de la limite de décision. Cela s'avère utile lorsque nous rencontrons de nouvelles données.

Avec de nouvelles données

La régression logistique est médiocre (le nouveau cercle rouge est classé en bleu) -

Alors que SVM peut le classer correctement (le nouveau cercle rouge est classé correctement sur le côté rouge) -

Implémenter le classificateur SVM en utilisant 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()