机器学习（八）--------支持向量机 (Support Vector Machines)

与逻辑回归和神经网络相比，支持向量机或者简称 SVM，更为强大。 人们有时将支持向量机看作是大间距分类器。

这是我的支持向量机模型代价函数 这样将得到一个更好的决策边界

理解支持向量机模型的做法，即努力将正样本和负用最大间距分开。

实际上应用支持向量机的时候， 当?不是非常大的时候， 它可以忽略掉一些异点影响得到更好的决策界。

?=1/?，因此： ，因此： ? 较大时，相当于 ? 较小，可能会导致过拟合高方差。 ? 较小时，相当于? 较大，可能会导致低拟合高偏差。

为了更好的构建高阶多项式，高斯核函数 (Gaussian Kernel)

下面是 支持向量机的两个参数 ?和?的影响： ?=1/? ? 较大时，相当于 ?较小，可能会导致过拟合高方差； ? 较小时，相当于 ?较大，可能会导致低拟合高偏差； ?较大时，可能会导致低方差高偏； ?较小时，可能会导致低偏差高方。