machine-learning
SVM

Różnica między regresją logistyczną a SVM

Granica decyzji podczas klasyfikacji za pomocą regresji logistycznej -

Granica decyzji podczas klasyfikacji za pomocą SVM -

Jak można zauważyć, SVM stara się utrzymać „lukę” po obu stronach granicy decyzji. Jest to pomocne, gdy napotykamy nowe dane.

Z nowymi danymi

Regresja logistyczna działa słabo (nowe czerwone kółko jest klasyfikowane jako niebieskie) -

Podczas gdy SVM może poprawnie go sklasyfikować (nowe czerwone kółko jest poprawnie sklasyfikowane na czerwonej stronie) -

Implementowanie klasyfikatora SVM za pomocą 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()