SVM (Support Vector Machine)

I. 통계적 주요 분석 기법, SVM

개념목적
학습 데이터를 두 개의 클래스로 분류하기 위해 Margin을 최대로 하는 결정직선탐색 분류알고리즘– 클래스 간 최장 경계 탐색
– 과적합 회피
– 통계적 학습
– 차원의 저주 회피

 

II. SVM의 개념도 및 구성요소

가. SVM의 개념도

나. SVM의 구성요소

구성요소결정 수식설명
Support
Vector
X1, X2– 클래스 분류 결정 직선에서
가장 근거리에 위치하는 벡터
초평면WTX = 1, -1– n차원 공간 구분 위해
결정되는 n-1 평면
결정 직선WTX = 0– 클래스 간 최대 Margin을 갖는
  경계선
Margin– A와 B 클래스 서포트 벡터
사이의 거리
커널함수

k(xi, xj)

– 비선형 패턴 분리 위해 비선형패턴 입력 공간을 선형패턴으로 변환, 경계면 탐색 방법
  • 기존 분류기는 ‘오류율을 최소화’하는 방법인 반면, SVM은 여백(Margin)을 최대화하여 일반화 능력 극대화

 

III. SVM 문제점 및 해결 방안

문제점해결 방안
비선형 분류
문제점

 

5 Comments

콘텐츠 사용 시 출처 표기 부탁 드리고, 댓글은 큰 힘이 됩니다^^