machine-learning
SVM

Skillnad mellan logistisk regression och SVM

Beslutsgräns när vi klassificerar med hjälp av logistisk regression -

Beslutsgräns när vi klassificerar med hjälp av SVM -

Som det kan observeras försöker SVM att upprätthålla ett "gap" på vardera sidan av beslutsgränsen. Detta visar sig vara användbart när vi stöter på nya data.

Med ny data-

Logistisk regression fungerar dåligt (ny röd cirkel klassificeras som blå) -

Medan SVM kan klassificera den korrekt (den nya röda cirkeln klassificeras korrekt i röd sida) -

Implementera SVM-klassificering med Scikit-learning:

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()