機器學習（第七週）--支持向量機

以邏輯迴歸引入支持向量機 線性可分的情況下： 邏輯迴歸的代價函數極限情況下： 分類y=1，θ'x取分類效果較好的極限，>>0，使用直線的方式表示爲左下角圖 分類y=0，θ'x取分類效果較好的極限，<<0，使用直線的方式表示爲右下角圖 分類的效果是最理想的，分類的點的代價函數也能夠滿足代價函數最小，分類的邊界線或者超平面也會是最優的，線性代數原理就是點到分類的界限的距離最優，這也就是支持向量機分類的

>>阅读原文<<