서포트 벡터 머신: 두 판 사이의 차이
IT위키
(SVM에 대한 넘겨주기를 제거함) 태그: 넘겨주기 제거 |
편집 요약 없음 |
||
1번째 줄: | 1번째 줄: | ||
[[분류:인공지능]] | [[분류:인공지능]] | ||
;Support Vector Machine | ;SVM; Support Vector Machine | ||
;대상을 분류할 때 마진이 가장 커지는 Decision Boundary를 그려 분류하는 방법 | ;대상을 분류할 때 마진이 가장 커지는 Decision Boundary를 그려 분류하는 방법 | ||
* 딥러닝 이전 기계학습 모델에 해당한다. | * 딥러닝 이전 기계학습 모델에 해당한다. |
2020년 11월 29일 (일) 20:59 기준 최신판
- SVM; Support Vector Machine
- 대상을 분류할 때 마진이 가장 커지는 Decision Boundary를 그려 분류하는 방법
- 딥러닝 이전 기계학습 모델에 해당한다.
구성[편집 | 원본 편집]
- Support Vector
- Decision Boundary
- (1차원) Decision Value(Threshold)
- (2차원) Decision Line
- (3차원) Decision Plane
- (4차원 이상) Decision Hyperplane
- (2차원 곡선) Decision Curve
- (3차원 곡면) Decision Surface
- (4차원 이상 곡면) Decision Hypersurface
- Margin
- Hard Margin: Decision Boundary에서 여유를 두지 않는 최대 Margin
- Soft Margin: Decision Boundary에서 일반화를 위해 약간의 여유를 두는 Margin
서포트 벡터[편집 | 원본 편집]
- Decision Boundary를 구하는 방법으로, 서포트 벡터를 이용한다.
- 특정 레이블 개체들 중 바깥 면에 있는 개체를 지나가도록 선을 그리고
- 평행선의 마진이 가장 넓어지는 서포트 벡터를 선정한 후
- 그 경계선 중간 지점에 Decision Boundary를 그린다.
- 즉 결정에 영향을 끼치는 관측치를 서포트 벡터(Support Vector)이라고 한다.