서포트 벡터 머신 SVM

목차

1. SVM (Support Vector Machine)

2. SVM 이론
1) 서포트 벡터와 초평면
2) 선형 분류
3) Slack 변수
4) 비선형 분류
5) 커널 트릭과 커널 함수
6) 커널 함수의 종류

본문내용

1. SVM (Support Vector Machine)
• 패턴 인식, 자료 분석을 위한 지도 학습 모델
• 주로 분류(classification)와 회귀(regression) 분석을 위해 사용
• SVM의 기본 개념은 최대마진을 가지는 초평면(w와 b)을 선택하는 것
• 무한 차원의 공간에서 초평면(hyper-plane)을 이용해 카테고리를 나눈다

<중 략>

svm() 함수에는 사용되는 중요 옵션
• type : svm()의 수행 방법(분류, 회귀 또는 novelty detection)을 정한다. 반응변수(y)가 범주형인지의 여부에 따라 정해지며, 디폴트는 C-classification 또는 eps-regression 이다.
• kernel : 훈련과 예측에 사용되는 커널로, "radial" 옵션은 가우시안 RBF를 의미한다. 실제 문제에서 커널의 선택이 결과의 정확도에 큰 영향을 주지는 않는다.
• degree : 다항커널이 사용될 경우의 모수(차수)이다.
• gamma : 선형을 제외한 모든 커널에 요구되는 모수로, 디폴트는 1/(데이터 차원) 이다.

참고 자료

없음