支持向量机（SVM）简单小结

支持向量机，就是常说的SVM，为学习复杂的非线性方程提供一种更为清晰，更加强大的方式。

模型优化

我们从逻辑回归对SVM的cost function进行推导演绎。

回顾逻辑回归我们可以知道，当z>>0的时候可以认为y=1；当z<<0时候，y=0。

由上图可以知道，我们由逻辑回归的costfunction使用红色的折线进行近似替代，因此由逻辑回归的costFunction：

我们可以得到SVM的cost Function如下：

在这里我们可以将C看作是1/λ。

大边界直观理解

我们有时候将SVM看作是大间距分类器，接下来将介绍其中的含义，并有助于我们直观理解SVM模型的假设。

这是我的支持向量机模型的代价函数，在左边这里我画出了关于 z 的代价函数 cost1(z)，
此函数用于正样本，而在右边这里我画出了关于 z 的代价函数 cost0(z)，横轴表示 z，现在让
我们考虑一下࿰