ロジスティック回帰
哲学: 「全体の確率」を最大化
このモデルは、すべてのデータ点を見て「この点がクラスAに属する確率は何%か？」を最も上手く説明できる境界線を探します。
- 確率的出力: 背景の色の濃淡は、予測の「確信度」を表します。
- 全データが影響: すべての点が、少しずつ境界線の位置に影響を与えます。
- 外れ値に敏感: 遠く離れた点が1つあると、その点も考慮しようとして境界線が引っ張られがちです。
SVM (線形カーネル)
哲学: 「マージン（隙間）」を最大化
このモデルは、2つのクラス間にできるだけ広い「緩衝地帯（マージン）」を作ることに全力を注ぎます。
- マージン重視: 決定境界と、その両側のマージン（色の濃い帯）が明確に描かれます。
- 一部の点が重要: 境界線の位置は、マージン上にある点（サポートベクター、黄色枠）だけで決まります。
- 外れ値に頑健: マージンから遠い点は無視されるため、外れ値の影響を受けにくいです。