机器学习（第七周）--支持向量机

以逻辑回归引入支持向量机 线性可分的情况下： 逻辑回归的代价函数极限情况下： 分类y=1，θ'x取分类效果较好的极限，>>0，使用直线的方式表示为左下角图 分类y=0，θ'x取分类效果较好的极限，<<0，使用直线的方式表示为右下角图 分类的效果是最理想的，分类的点的代价函数也能够满足代价函数最小，分类的边界线或者超平面也会是最优的，线性代数原理就是点到分类的界限的距离最优，这也就是支持向量机分类的

>>阅读原文<<