SVM与感知机的异同点

SVM与感知机的异同点

相同的地方

SVM与感知机一样是通过寻找超平面&＃xff0c;用于解决二分类问题的分类算法 超平面一侧的点计算分数结果为负是负例&＃xff0c;另一侧结果分数为正是正例与感知机相同&＃xff0c;通过 sign 给出预测标签&＃xff0c;正例为&＃43;1&＃xff0c;负例为-1&＃xff0c;模型判别式同样:

不同的地方

损失函数与感知机和逻辑回归都不同 感知机是通过判错的点寻找超平面&＃xff0c;逻辑回归是通过最大似然寻找超平面&＃xff0c;SVM 是通 过支持向量寻找超平面&＃xff0c;这也是 SVM 这个名字的由来&＃xff0c;当然这也是损失函数不同的原因 感知机和逻辑回归是直接最小化损失函数来得到θ&＃xff0c;或者叫W 和b&＃xff0c;SVM 有两种求解 方式&＃xff0c;一种是直接最小化损失函数来得到θ&＃xff0c;另一种先寻找支持向量&＃xff0c;找到支持向量超平面 就自然找到了