吴恩达老师机器学习笔记SVM（一）

 时隔好久没有再拾起机器学习了，今日抽空接着学

今天是从最简单的二维数据分类开始学习SVM~

（上图为原始数据）

SVM的代价函数

这里套用以前logistic回归的模板改一下下。。

load('ex6data1.mat');
theta=rand(3,1); 
[m,n]=size(X);
x=ones(m,1); % 添加常量
x=[x X];
C=1;
for i=1:10000 % 拟合次数  
      theta=theta-(((x).*(x*theta>=-1))'*(1-y)+((-x).*(x*theta<=1))'*y).*C; % 先不考虑正则化项
end

C值设为不同的数值，得到的决策边界如下：

由此可见，C值越大的话，数据错分的现象会减少，但是不会得到更贴合自然（间隔大）的决策边界。
（梨今天学习也要加油呢，手动比心~❥）