I. 통계적 주요 분석 기법, SVM
| 개념 | 목적 |
|---|---|
| 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
| 구성요소 | 결정 수식 | 설명 |
|---|---|---|
| Support Vector | X1, X2 | – 클래스 분류 결정 직선에서 가장 근거리에 위치하는 벡터 |
| 초평면 | WTX = 1, -1 | – n차원 공간 구분 위해 결정되는 n-1 평면 |
| 결정 직선 | WTX = 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
| 문제점 | 해결 방안 |
|---|---|
| 비선형 분류 문제점 |
View Comments (5)
이번에 119회 컴시응 기술사 1교시에 출제 되었네요. 혹시 어디서 공부하는지요??
지금은 개인적으로 공부하고 있습니다. 이 공부는 앞으로도 계속 해야할 것 같네요..^^
혹시 오프라인으로 공부하실 생각은 없으신가요?
기술사시험은 더 안봐도 될듯 합니다..^^ 다만 새로운 기술들이 끊임없이 나오기 때문에 시간이 되는대로 공부하고 블로그에 공유할 생각입니다.
자료 감사드립니다. 좋은 참고가 되었습니다.