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 | 31 |
Tags
- LSTM
- C언어
- HelloWorld
- C
- collections
- graph
- 딥러닝
- 주식분석
- python
- 선형대수
- 파이썬
- codingthematrix
- 코딩더매트릭스
- scrapy
- GRU
- yarn
- hadoop2
- hive
- 그래프이론
- 하이브
- effective python
- tensorflow
- 하둡2
- Sort
- NumPy
- 알고리즘
- RNN
- Java
- recursion
- 텐서플로
Archives
- Today
- Total
목록support vector machine (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