Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- RNN
- 하이브
- HelloWorld
- graph
- 알고리즘
- scrapy
- hive
- 텐서플로
- 하둡2
- effective python
- 딥러닝
- 파이썬
- 그래프이론
- tensorflow
- Sort
- codingthematrix
- hadoop2
- Java
- GRU
- python
- yarn
- collections
- NumPy
- C
- recursion
- LSTM
- 선형대수
- C언어
- 주식분석
- 코딩더매트릭스
Archives
- Today
- Total
목록커널함수 (1)
EXCELSIOR
Support Vector Machine (SVM, 서포트 벡터 머신)
1. Support Vector Machine, SVM이란?Support Vector Machine(SVM)은 원 훈련(또는 학습)데이터를 비선형 매핑(Mapping)을 통해 고차원으로 변환한다. 이 새로운 차원에서 초평면(hyperplane)을 최적으로 분리하는 선형분리를 찾는다. 즉, 최적의 Decision Boundary(의사결정 영역)를 찾는다. 그렇다면 왜 데이터를 고차원으로 보내는 것일까? 예를 들어, 아래의 [그림1]과 같이 A=[a, d], B=[b, c]는 2차원에서 non-linearly separable(비선형 분리)하다. 이를 통해 한 차원 높은 3차원으로 Mapping하게 되면 linearly separable(선형 분리)하게 된다. 따라서, 충분히 큰 차원으로 적절한 비선형 매핑..
Machine_Learning(ML)
2017. 1. 5. 14:09