일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- ML
- matplot
- 하계인턴
- 시각화
- SQLD
- ggplot2
- r
- 에이블스쿨
- 한국전자통신연구원 인턴
- KT AIVLE
- 하둡
- 프로그래머스
- ETRI
- arima
- dx
- 다변량분석
- 빅데이터분석기사
- SQL
- Ai
- 가나다영
- 딥러닝
- 빅분기
- 지도학습
- 소셜네트워크분석
- kaggle
- hadoop
- 웹크롤링
- 한국전자통신연구원
- 서평
- 에트리 인턴
- 시계열
- Eda
- KT 에이블스쿨
- 기계학습
- 에이블러
- python
- cnn
- 머신러닝
- kt aivle school
- httr
Archives
- Today
- Total
목록서포트벡터머신 (1)
소품집
[ML/DL] SVM (Support Vector Machine)
SVM: Motivation (+)와 (-)의 class를 구분짓기 위해서는 여러 방법을 생각할 수 있습니다. 그러면 어떻게 나눠야 잘 나눴다고 할 수 있을까요? 아마 제일 잘 나눴다고 볼 수 있는 형태는 이런 모습일 것 입니다. 나누는 목적: 데이터 클래스 (class, label) 분류 그렇다면, '잘 나눈다'는 것 == 클래스 사이의 딱 중간이 아닐까? 딱 중간 이라면, 서로 다른 클래스 간에 **'거리가 최대'**가 되게 하는 것 정리해보면, SVM에서 찾고자 하는 decision boundary 는 다른 클래스에 속한 데이터들 간에 '거리가 최대'가 되게 하는 boundary라 볼 수 있게 되고,이 때 boundary를 **'Max margin'**이라 합니다. 이 boundary는 두 개의 경..
AI
2020. 5. 28. 19:48