[R] SVM(Support Vector Machines)

13. SVM(Support Vector Machines)

 

13.1 개요

13.1.1 예측 기법

Boser, Guyon 및 Vapnik에 의해 1992년 제안된 이후, 1990년대 후반부터 현재까지 학계와 업계(주로 미국 및 유럽 선진국)에서 활발하게 활용되고 있는 예측 기법

13.1.2 기계학습의 분야

기계학습의 분야 중 하나로 패턴 인식, 자료 분석을 위한 지도학습 모델

13.1.3 용도

주로 분류와 회귀 분석을 위해 사용됨

13.1.4 알고리즘

두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때 새로운 데이터가 어느 카테고리에 속할지 판단하는 기준으로 가장 큰 폭을 가진 경계를 찾는 알고리즘

 

 

 

직선 B1과 B2 모두 두 범주를 잘 분류하고 있음

B2보다는 B1이 두 범주를 여유있게 분류하고 있으므로 좀더 나은 분류경계면이라고 할 수 있음

SVM은 두 범주 사이의 거리(margin)를 최대화하는 경계면을 찾는 기법

 

 

 

13.2 SVM의 장점

13.2.1 선형 분류 뿐 아니라 비선형 분류도 가능

13.2.2 모델을 만들 때 고려해야 할 파라미터가 많지 않음

13.2.3 적은 양의 데이터로도 모델을 만들 수 있음

13.2.4 딥러닝이 이전에는 분류 모형 중에서 기술적으로 가장 진보된 모형으로 평가되었음

 

 

13.3 SVM의 적용분야

13.3.1 문서분류

13.3.2 안면인식

13.3.3 주가예측

13.3.4 부도예측

13.3.5 고객구매예측

13.3.6 채권등급평가예측

 

13.4 실습예제