X

SVM (Support Vector Machine)

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

 

Categories: 알고리즘/AI
도리:

View Comments (5)