5-5. Introduction to Support Vector Machines(SVM)

---

< 목차 >

1. 용어정의
2. Introduction to support vector machines (SVM)

---

1. 용어정의

• 피드백 후 작성예정입니다.

---

2. Introduction to support vector machines (SVM)

서포트벡터머신, 즉 SVM은 MLP와 마찬가지로 데이터를 구분짓을 수 있는 선형 초평면(Hyperplane)을 찾아내는 것으로, Support vector라는 데이터만 이용하여 최적의 초평면을 결정하여 MLP보다 Generalization 을 향상시킬 수 있다.

 

Support vector는 임의의 초평면에 가장 근접해있는 데이터들을 의미하는 것으로, Support vector 클래스간의 거리를 최대로 하는 최적의 초명편(Optimal hyperplane)을 찾아낸다. 이때, Support vector 외에 다른 위치에 존재하는 데이터를 전혀 고려하지 않기 때문에 Outlier에 대한 영향을 제거할 수 있다.

 

그러나 SVM의 한계로는 아래와 같이 입력데이터가 비선형적인 패턴을 가져 선형적으로 분리되기 어려운 경우에 있다. 이때는 Basis function 을 통해 더 높은 차원으로 데이터를 Nonliear mapping 하는 과정이 필요하며, 아래와 같은 그림으로 직관적으로 설명될 수 있다.

 

 

---