[ML] SVM - 지도학습 분류모델

02_SVM_Classification.pdf

1.73MB

SVM(Support Vector Machine)

주로 분류할때 사용된다 classification

SVM은 선형으로 두 집단을 분류한다.

(왼)마진 좋게 아웃라이어 나옴 코스트 낮음 - 일반적임.
(오)마진 안 좋게 아웃라이어 안생김 코스트높음 - 오버피팅이 많이 나오는 경우이다

차원을 다르게 하면 선형으로 나눌수 있다.

코스트는 구별하는 선, 감마는 개별데이터마다 결정선을 지정하는 것에 초점을 둔다.
두 값 모두 커질수록 알고리즘의 복잡도는 증가한다.
overfit을 줄이는 것 사이의 균형을 잘 맞춰야 한다. (tip : 코스트만 기본 값으로 둔다 )

머신은 숫자만 인식한다.

---

SVM패턴

특징 1. 스스로 좌표를 설정한다. 

트레이닝에서 SVM패턴으로 진행.

 

데이터를 분리시키고 변형시키는게 가장 어려운 부분이다....

클래스가 5개이다.(시츄,치와와,진돗개,푸들,허스키)

설명 : 특징이 많으면 많은 만큼 어렵다. accuracy가 낮게 나온다.

데이터 = 명확하지가 않음. 위의 데이터는 연관성이 없음.