'SVM' 태그의 글 목록

SVM은 원래의 훈련(or 학습) 데이터를 비선형 매핑을 통해 고차원으로 변환하며, 이 새로운 차원에서 초평면(Hyperplane)을 최적으로 분리하는 선형분리를 찾음으로써 최적의 의사결정영역(Decision Boundary)을 찾아. 데이터의 차원을 높이는 이유는 비선형 분리가 되어 있는 두 클래스를 차원을 높여서 적절한 비선형 매칭을 이용해 초평면으로 분리하기 위해서야. 또한 SVM은 복잡한 비선형 의사결정 영역을 모형화할 수 있기 때문에 매우 정확하며, 다른 모델들보다 과적합이 되는 경향이 적어. SVM에서 중요한 요소는 마진(margin), 서포트 벡터(support vector), 커널(kernel)이 있어. 아래에서는 마진과 서포트 벡터, 커널을 언급하려고 해. 1. 마진 마진은 하나의 데이터..