"서포트 벡터 머신"의 두 판 사이의 차이

2020년 11월 10일 (화) 01:57 판

1 개요

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

기계학습의 분야 중 하나
패턴 인식, 자료 분석을 위한 지도 학습 모델
주로 분류와 회귀 분석을 위해 사용함
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

@@ 5번째 줄: / 5번째 줄: @@
 * 패턴 인식, 자료 분석을 위한 지도 학습 모델
 * 주로 분류와 회귀 분석을 위해 사용함
-* 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
+* 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 찾음
+* 만들어진 분류 모델은 데이터가 사상된 공간에서 경계로 표현되는데 그 중 가장 큰 폭을 가진 경계를 찾는다.
-* 선형 분류와 더불어 비선형 분류에서도 사용할 수 있음
+* 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 함
+* 비선형 분류를 하기 위해서 주어진 데이터를 고차원 특징 공간으로 사상하는 작업이 필요한데, 이를 효율적으로 하기 위해 커널 트릭을 사용하기도 한다.
 [[파일:Svm_max_sep_hyperplane_with_margin.png|330px]]