SVMとは

概要

SVM(Support Vector Machine)は、分類等を行える教師あり学習によるパターンモデル. よくある訓練データを見分けて終わりという学習ではなく、なるべく訓練データを明確に分けられるように工夫することで、未知のデータにも対応している.
Facebookシェア Twitterツイート LINEで送る このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
0
効果
  • 単純なSVMでは線形分離可能な問題に適用可
  • 未知のデータに対してもある程度対応可能
  • 学習データが少なくてもある程度対応可能
ポイント
  • DeepLearningが流行っている今でも使われることのある機械学習技術の一つ

解 説

SVM(Support Vector Machine)は、今尚現役で使用される教師あり学習による機械学習手法の一つ. ただ単に分離するだけでなく、できる限り分離したクラスを作ることで未知のデータに対する耐性をあげている. ニクラス分類で行う線形的な分離ができるSVMが最も基本となっているが、 カーネルトリックを用いると非線形な学習も可能になっている。 データが少なくても精度を出すことができるため、 DeepLearningで特徴抽出を行い末尾にSVMを添えることもよく行われる。
SVMについて
直線で分離可能な(線形分離可能な)左の赤丸と青丸.これらを直線で分けるようにしている。 これらの丸を分離するときに赤い直線にしておけば新しい丸が多少ぶれても判定が外れることはない。 逆に青い線にしておくと、どちらかの丸が少しずれると正しく分離できなくなってしまう。
この章を学んで新たに学べる
Comments

Reasons
>>隠す