HyeM

서포트 벡터 머신 알고리즘 : 데이터 분포를 나누는 지도학습의 분류 지금까지도 보편적으로 사용하는, 분류를 위한 머신러닝 모델이다. 라벨이 달린 이진 분류 문제에 주로 사용된다. 01.서포트 벡터 머신 알고리즘 이해하기 각 데이터 항목을 다차원의 벡터 공간에 점으로 표시한다. 만약 2차원 공간에 있는 두 개의 그룹을 분류한다는 가정해보면. 두 그룹을 잘 구분하는 직선을 찾는 것이 서포트 벡터 머신의 핵심이다. => 서포트 벡터 머신은 데이터를 선형 또는 비선형으로 분리하는 최적의 경계를 찾는 알고리즘이다. 단계 1. 직선을 그려 그룹을 나눈다. 단계 2. 마진을 최대화하여 균형있게 나눈다. 직선을 한쪽에 치우치지 않게 양쪽 그룹 모두 균형있게 나누기 위해서, 직선식을 사이에 두고 가능하면 최대한 멀리 떨..

2부에서는 머신러닝의 기술의 유형의 특징과 차이점을 살펴보고, 지도학습과 비지도 학습의 대표적인 알고리즘을 다룬다. 이번 3장에서는 파이썬으로 의사결정나무와 서포트 벡터 머신 알고리즘을 직접 구현해보며 머신러닝 알고리즘을 이용하는 방법을 알아본다. [실무가 훤히 보이는 머신러닝&딥러닝_마창수,최재철 지음] 을 읽고 정리한 글입니다. 01. 머신러닝의 유형 머신러닝에는 지도학습, 비지도학습, 강화학습 총 3가지 유형이 있다. 각각 기술적 구현의 차이도 있고, 경우에 따라 활용하는 기술이 다르다. 지도학습 : 훈련 데이터 정답(Label)이 있어 주어진 정답에 맞게 특징이 학습되기를 기대하는 경우에 사용 비지도학습 : 훈련 데이터에 정답이 없고 주어진 특징내에서 분류간 서로 구분이 잘 되도록 나누기 원하는 ..