SVM(State-Vector Machine)이란?

 

SVM은 지도 학습 알고리즘으로, 주로 분류(classification) 문제에 사용됩니다. SVM은 기존의 분류방법들과 기본원리가 크게 다르다.

• 신경망을 포함하여 기존의 방법들은 분류 '오류율을 최소화'하려는 목적으로 설계되었다.
• 하지만 SVM은 한 발짝 더 나아가 두 부류 사이에 존재하는 '여백을 최대화'하려는 목적으로 설계되었다.

좀 더 구체적으로 SVM에 대해 알아보자. SVM의 목표는

1. 분류 문제에서 데이터를 최대한 분리하는 최적의 초평면(hyperplane)을 찾는 것이다.
2. 이 초평면은 두 개의 클래스 사이의 마진을 최대화하는 것을 목표로 한다.
3. 마진은, 초평면과 가장 가까운 데이터 포인트(서포트 벡터) 간의 거리를 의미한다.
4. SVM은 기본적으로 선형 분류 문제에 사용되지만, 커널 트릭(kernel trick)을 사용하면 비선형 분류도 가능하다. 이때, 커널 함수)를 사용하여 고차원 공간으로 데이터를 매핑한 후, 그 공간에서 선형 분리가 가능하게 한다..