SVM 요약 레포트
분야
doc2. SVM의 원리 및 분석방법
3. LIBSVM
4. SVM의 장점과 한계
5. SVM의 활용
SVM이란 Support Vector Machines의 약자로 1960년 Vapnik에 의해 제안된 통계적 학습 이론 기반의 패턴 분류 알고리즘이다. 이 알고리즘은 구조적 리스크 최소화를 통해 오류를 최소화
하며 특정한 초평면(Optimal Seperating Hyperplane)을 선택함으로써 과적합문제(Overfitting)를 방지한다. Generalization performance가 우수 한 것으로서 알려져 있다.
SVM의 용어로 Hyperplane이 있다. 이것은 최대 여백 초평면(Maximum Margin Hyperplane, MMH)이며 SV는 Support Vector를 말한다.
2. SVM의 원리 및 분석방법
SVM의 원리는 학습자료로 주어진 n차원의 벡터공간에서 분류공간 간에 모든 점들 사이의 거리를 최대화하도록 만들어 하나의 평면을 구해내는 것이다.
SVM의 분석 방법은 3가지가 있는데 첫 번째는 선으로 분류 가능할 때 사용하는 Linear SVM
이 있다. 선으로 분류하지 못할 경우에는 Nonlinear SVM을 분석 방법으로 한다. 마지막으로 사용하는 분석 방법은 Support Vector Regression 이다.
