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做是大间距分类器。

这是个人支持向量机模型代价函数
这样将获得一个更好的决策边界

理解支持向量机模型的作法，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𝐶不是很是大的时候， 它能够忽略掉一些异点影响获得更好的决策界。

𝐶=1/𝜆，所以： ，所以：
𝐶 较大时，至关于 𝜆 较小，可能会致使过拟合高方差。
𝐶 较小时，至关于𝜆 较大，可能会致使低拟合高误差。

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 𝐶和𝜎的影响： 𝐶=1/𝜆
𝐶 较大时，至关于 𝜆较小，可能会致使过拟合高方差；
𝐶 较小时，至关于 𝜆较大，可能会致使低拟合高误差；
𝜎较大时，可能会致使低方差高偏；
𝜎较小时，可能会致使低误差高方。