[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

댓글(0)

Designed by JB FACTORY