機器學習（八）--------支持向量機 (Support Vector Machines)

與邏輯迴歸和神經網絡相比，支持向量機或者簡稱 SVM，更爲強大。
人們有時將支持向量機看做是大間距分類器。

這是個人支持向量機模型代價函數
這樣將獲得一個更好的決策邊界

理解支持向量機模型的作法，即努力將正樣本和負用最大間距分開。

實際上應用支持向量機的時候， 當𝐶不是很是大的時候， 它能夠忽略掉一些異點影響獲得更好的決策界。

𝐶=1/𝜆，所以： ，所以：
𝐶 較大時，至關於 𝜆 較小，可能會致使過擬合高方差。
𝐶 較小時，至關於𝜆 較大，可能會致使低擬合高誤差。

爲了更好的構建高階多項式，高斯核函數 (Gaussian Kernel)

下面是 支持向量機的兩個參數 𝐶和𝜎的影響： 𝐶=1/𝜆
𝐶 較大時，至關於 𝜆較小，可能會致使過擬合高方差；
𝐶 較小時，至關於 𝜆較大，可能會致使低擬合高誤差；
𝜎較大時，可能會致使低方差高偏；
𝜎較小時，可能會致使低誤差高方。