支持向量机（Support vector machine）是一种强大的机器学习算法，和神经网络相比，它在学习复杂的非线性方程时，能够提供更清晰和更加强大的方式。为了学习支持向量机，我们可以先从逻辑回归开始，看看如何经过小小的改动能得到支持向量机。

在逻辑回归中，假设函数 h_θ(x) 为：

图像为：

对于一个样本来说，代价函数为：

当 y =1 时，第二项为 0，只需要考虑第一项，画出第一项的图像：

我们把这个图像稍微修改一下，趋势与逻辑回归相似，就变成了支持向量机代价函数一部分的图像 cost_1(z)，如下图粉色线：

第二项同样道理，cost_0(z)：

逻辑回归中正则化代价函数为：

将其中系数 1/m 去掉，把红色部分换成上面粉色图像的函数：

接着将浅蓝色和粉色部分调换一下权重：

这样就得到支持向量机的代价函数：

只需要将这个函数最小化即可得到参数。以上就是从逻辑回归推出支持向量机的整个过程。

ps. 本篇文章是根据吴恩达机器学习课程整理的学习笔记。如果想要一起学习机器学习，可以关注微信公众号「SuperFeng」，期待与你的相遇。