machine-learning
SVM

Differenza tra regressione logistica e SVM

Confini decisionali quando classifichiamo usando la regressione logistica -

Confini decisionali quando classifichiamo usando SVM -

Come si può osservare, SVM cerca di mantenere una "distanza" su entrambi i lati del confine della decisione. Ciò si rivela utile quando incontriamo nuovi dati.

Con i nuovi dati

La regressione logistica si comporta male (il nuovo cerchio rosso è classificato come blu) -

Mentre SVM può classificarlo correttamente (il nuovo cerchio rosso è classificato correttamente nel lato rosso) -

Implementare il classificatore 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()