기술나눔

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

목차

1. 서포트 벡터 머신(SVM) 개요

2. 초평면과 서포트 벡터

3. 간격을 최대화하라

4. 최적화 문제

5. 커널 기능

6. 요약

---

1. 서포트 벡터 머신(SVM) 개요

• 정의 : 서포트 벡터 머신(Support Vector Machine)은 데이터 분류 문제에 주로 사용되는 지도 학습 모델입니다. 기본 아이디어는 서로 다른 범주의 데이터 포인트가 초평면의 양쪽에 위치하도록 초평면을 통해 데이터 포인트를 분할하는 것입니다.
• 분류: 서포트 벡터 머신은 주로 선형 분리 가능한 서포트 벡터 머신, 선형 서포트 벡터 머신, 비선형 서포트 벡터 머신의 세 가지 범주로 나뉩니다.

2. 초평면과 서포트 벡터

• 초평면 : n차원 공간에서 초평면은 n-1차원 부분공간이다. 2차원 공간에서는 직선이고 3차원 공간에서는 평면입니다. 초평면은 w^T * xb = 0으로 표현될 수 있습니다. 여기서 w는 법선 벡터, b는 절편, x는 샘플 점입니다.
• 지원 벡터 : 초평면에 가장 가까운 샘플 포인트를 서포트 벡터라고 합니다. 이러한 점은 초평면의 위치를 ​​결정하는 데 결정적인 역할을 합니다.

3. 간격을 최대화하라

• 기능 간격: 주어진 훈련 세트와 초평면에 대해 샘플 포인트(x_i, y_i)에서 초평면까지의 함수 간격은 r_i입니다.
  이전의 다음