SVM的简介 1.SVM要解决的问题 对于线性可分的问题，我们可以得到很多的决策面将不同类别的样本分开，以二分类为例，如图所示，可以画出很多决策面（在二维平面上，决策面退化为线）那么SVM希望解决的就是，找到这众多决策面中，最优的决策面，使得模型更具有鲁棒性，也就是找到两类样本的最大间隔，如图所示： 2.SVM与逻辑回归的区别 SVM的决策面只与支持向量（与决策面距离最近的向量）有关，而逻辑回归与所有向量都有关系，即在不改变支持向量的情况下，改变其他的点，SVM的决策面不变，而逻辑回归的结果会发生变化，即SVM抗干扰的能力更强，更具有鲁棒性。这是因为逻辑回归中梯度更新的方式为：而的函数为因此对...

抑郁了😂

坚持吧，记录一下