机器学习：支持向量机

ipynb文件见：https://github.com/824024445/Machine-learning-notes/blob/master/5支持向量机.ipynb
《Sklearn与TensorFlow机器学习实用指南》学习笔记

亦可称为最大间隔分类方法

一、线性支持向量机分类

以鸢尾花数据集作为实例

硬间隔与软间隔：
软间隔意味着允许部分样本点出现在分类边界的内部区域
参数说明：
C：该参数数值越低，所形成的间隔越“宽松”
loss：用于计算软间隔的损失函数种类

与逻辑回归分类器的对比分析：

• 逻辑回归分类器通过评估样本归属于各类别的概率值，最终选取概率最高的类别作为预测结果
• 损失函数的判别方式存在差异。逻辑回归分类器对每个样本都会计算相应的损失值，而支持向量机则设定一个阈值，当样本满足条件时损失为零，否则产生损失

注：SVM代表Support Vec