1.摘要

这篇文章主要介绍支持向量机的有关内容，主要包括支持向量机的推导，支持向量机的特性，支持向量机简单的数学原理介绍，核函数，最后还对比了一下逻辑回归，支持向量机，神经网络，简单说明他们各自的适用情况。

关键词：支持向量机，核函数。

2.正文

2.1支持向量机的引入推导

支持向量机是一种强大的拟合非线性方程的工具，首先介绍一下它的引入。
由前面学习，我们可以知道，对于逻辑回归的一组样本，我们有代价函数：$J(\theta)=-ylog\frac{1}{1+e^{\theta^Tx}}-(1-y)log(1-\frac{1}{1+e^{\theta^Tx}})$J(θ)=−ylog1+eθTx1​−(1−y)log(1−1+eθTx1​)但是$log\frac{1}{1+e^{\theta^Tx}}$log1+eθTx1​这一项太复杂了，我们要想办法简化它，使代价函数计算起来方便一点。对代价函数做如下近似：

将原来的曲线用两段折线来近似。对$-log\frac{1}{1+e^{\theta^Tx}}$−log1+eθTx1​,