machine-learning
SVM

लॉजिस्टिक रिग्रेशन और एसवीएम के बीच अंतर

निर्णय सीमा जब हम लॉजिस्टिक प्रतिगमन का उपयोग कर वर्गीकृत करते हैं -

निर्णय सीमा जब हम SVM का उपयोग कर वर्गीकृत करते हैं -

जैसा कि यह देखा जा सकता है, एसवीएम निर्णय सीमा के दोनों ओर एक 'अंतर' बनाए रखने की कोशिश करता है। जब हम नए डेटा का सामना करते हैं तो यह मददगार साबित होता है।

नए आंकड़ों के साथ-

लॉजिस्टिक रिग्रेशन खराब प्रदर्शन करता है (नए रेड सर्कल को नीले रंग में वर्गीकृत किया गया है) -

जबकि SVM इसे सही तरीके से वर्गीकृत कर सकता है (नया लाल वृत्त सही ढंग से लाल पक्ष में वर्गीकृत किया गया है) -

एसवीएम क्लासिफायर को लागू करना

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()