(127 관리 1-10) SVM (Support Vector Machine)

 

1교시 10번

 

SVM (Support Vector Machine)

 

---

풀이 전략

 

다양한 풀이법이 있겠지만,
저는 개념, 개념도 및 구성 요소, 기법 위주로 풀이해 보겠습니다.
미 완료된 내용들은 향후 자료 수집 후 업데이트 해 보겠습니다.

 

2022.10.26 - [정보관리기술사/인공지능] - SVM 관련 두음 - "서초맛집(마지) 소하커"

SVM 관련 두음 - "서초맛집(마지) 소하커"

 

SVM의 개념

 

서포트 벡터, 초평면, 마진 등을 활용하여 주로 분류와 회귀 분석에 사용되는 지도 학습 모델

 

SVM 개념도와 구성요소 설명

 

가. SVM 개념도

 

 

나. SVM 구성 요소 설명

 

구성 요소	설명	특징
Hyperplane	- 데이터를 두 클래스 중 어느 곳에 속하는지 결정하기 위한 최적의 분류 기준선 - n 차원의 공간에서의 subspace 의미	- Positive Hyperplane - Negative Hyperplane
Support Vector	- 클래스를 나누는 분리 초평면에서 가장 근거리에 위치하는 벡터	- 초평면의 최근접 벡터
Margin	- 분류되는 각 클래스의 Support Vector 사이의 거리	- Support Vector간 거리
Kernel 함수	- 선형 분리가 가능한 비선형에서 저차원의 데이터를 고차원으로 변환하기 위한 함수	- 고차원 공간으로 비선형 문제 해결

 

구성 요소	개념도	설명
Support Vector		클래스를 나누는 분리 초평면에서 가장 근거리에 위치하는 벡터
Margin		분류되는 각 클래스의 Support Vector 사이의 거리
Hyperplane		데이터를 두 클래스 중 어느 곳에 속하는지 결정하기 위한 최적의 분류 기준선

 

SVM 주요 기법

 

실제 풀이를 했더라면, 아마도 3단락을 저는 아래처럼 했을 것 같습니다.

1교시 3단락은 테이블을 만들거나 도식화하기에 턱없이 시간이 부족하기 때문에

가급적 ROI가 극대화 될 수 있도록 만들어야합니다.

 

아래 내용은 공부를 위해서 보시길 권고드립니다.

2단락용

 

주요 기법	개념도	설명
Soft Margin		- 마진의 안쪽과 바깥쪽에 이상값(Outlier) 허용
Hard Margin		- 마진의 안쪽과 바깥쪽 이상값(Outlier) 미허용
커널 기법		- 비선형 패턴의 분리를 위해 input space 를 선형 패턴의 Feature space 로 고차공간 변환 후 경계 탐색

 

 

참고 자료

 

[머신러닝] 서포트 벡터 머신(Support Vector Machine) : 서포트 벡터의 의미 / 마진 / 초평면(결정경계) /하드마진/소프트 마진/ 커널(kernel) 트릭 (tistory.com)

[머신러닝] 서포트 벡터 머신(Support Vector Machine) : 서포트 벡터의 의미 / 마진 / 초평면(결정경계) /

 

126회 이륙 기술사 동기회 기출문제 풀이

 

KPC 기출문제 풀이