"서포트 벡터 머신"의 두 판 사이의 차이

2022년 1월 24일 (월) 20:00 기준 최신판

1 개요[ | ]

support vector machine (SVM)
서포트 벡터 머신, 지지 벡터 기계

기계학습의 분야 중 하나
패턴 인식, 자료 분석을 위한 지도 학습 모델
label을 가장 잘 분류하는 초평면을 찾는 것을 목표로 하는 모델
주로 분류와 회귀 분석을 위해 사용한다.
두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만든다.
만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 그 중 가장 큰 폭을 가진 경계를 찾는다.
선형 분류와 더불어 비선형 분류에서도 사용할 수 있다.
비선형 분류를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필요한데, 이를 효율적으로 하기 위해 커널 트릭을 사용하기도 한다.

2 같이 보기[ | ]

3 참고[ | ]

@@ 1번째 줄: / 1번째 줄: @@
 ==개요==
 ;support vector machine (SVM)
-;서포트 벡터 머신
+;서포트 벡터 머신, 지지 벡터 기계
 * 기계학습의 분야 중 하나
 * 패턴 인식, 자료 분석을 위한 지도 학습 모델
-* 주로 분류와 회귀 분석을 위해 사용함
+* label을 가장 잘 분류하는 초평면을 찾는 것을 목표로 하는 모델
-* 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만듦
+* 주로 분류와 회귀 분석을 위해 사용한다.
-:만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 그 중 가장 큰 폭을 가진 경계를 찾음
+* 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만든다.
-* 선형 분류와 더불어 비선형 분류에서도 사용할 수 있음
+* 만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 그 중 가장 큰 폭을 가진 경계를 찾는다.
-:비선형 분류를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필요한데, 이를 효율적으로 하기 위해 커널 트릭을 사용하기도 함
+* 선형 분류와 더불어 비선형 분류에서도 사용할 수 있다.
+* 비선형 분류를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필요한데, 이를 효율적으로 하기 위해 [[커널 트릭]]을 사용하기도 한다.
-[[파일:Svm_max_sep_hyperplane_with_margin.png|220px]]
+[[파일:Svm_max_sep_hyperplane_with_margin.png|330px]]
+[[File:SVM_margin.png|330px]]
 ==같이 보기==
+{{z컬럼3|
 * [[지도 학습]]
+* [[커널 트릭]]
+* [[나이브 베이즈 분류]]
+* [[커널 서포트 벡터 머신]]
+* [[Sklearn SVM]]
+* [[R SVM]]
+}}
 ==참고==
@@ 23번째 줄: / 32번째 줄: @@
 * {{네이버백과}}
-[[분류: 기계학습]]
+[[분류: 서포트 벡터 머신]]
-[[분류: 분류 알고리즘]]
+[[분류:머신러닝]]
+[[분류:분류 알고리즘]]