SVM (Support Vector Machines)
- 분류기와 각 class 데이터 간의 여백(마진)을 크게 하여 일반화 능력을 최대화 하는 것
- 출력 변수인 class가 다른 데이터를 명확하게 구분할 수 있는 초평면을 구하는 알고리즘
- 초평면 해 공간에서 마진을 최대화하는 하나의 초평면을 탐색
SVM의 모델링
- 선형 SVM은 마진을 최대로 하는 초평면을 구하는 알고리즘
- 두 그룹을 구분한는 무수한 직선 중에 어느 직선이 마진을 최대로 하는가?
- X공간에 있는 각 점은 직선을 기준으로 양수 또는 음수를 가짐
- 직선과 support vector의 최소거리보다 직선과 모든 점의 최소 절대거리는 커야 바람직함
'데이터사이언스' 카테고리의 다른 글
차원의 저주와 해결방법 (feature selection, feature extraction) (0) | 2019.06.21 |
---|---|
의사결정나무 정리 및 고려사항 (0) | 2019.06.21 |
선형회귀의 적합성 평가와 과적합을 판단하는 방법 (0) | 2019.06.20 |
Ridge regression과 LASSO regression (0) | 2019.06.20 |
다중선형회귀에서 다중공선성 문제와 해결방법 (0) | 2019.06.20 |