SVM(Support Vector Machine)은 지도 학습 알고리즘

SVM(Support Vector Machine)은

지도 학습(supervised learning)

알고리즘 중 하나로, 분류(classification)와

회귀(regression) 문제를 해결하는 데 사용됩니다.

​

SVM의 기본 개념은 다음과 같습니다:

1. 데이터를 공간 상에 점으로 표현합니다.

2. 서로 다른 범주(클래스)의 점들을

가장 잘 구분할 수 있는 경계선

(보통 하이퍼플레인이라 불립니다)을 찾습니다.

3. 이 경계선은 서로 다른 범주의 점들과

최대한 멀리 떨어져야 합니다.

이를 마진(margin)이라고 부릅니다.

​

SVM의 핵심 아이디어는

마진을 최대화하는 경계선을 찾는 것입니다.

이러한 경계선은 서포트 벡터라고 불리는

데이터 포인트들에 의해 결정되며,

이 점들이 결국 알고리즘의 이름인

"Support Vector Machine"의 유래가 됩니다.

​

선형 분류가 어려운 경우,

SVM은 커널 트릭(kernel trick)이라는 방법을

사용하여 고차원 공간에서

분류를 수행할 수 있습니다.

이를 통해 비선형 경계선도 찾아낼 수 있습니다.

​

간단히 요약하면, SVM은 데이터 포인트들을

가장 잘 구분하는 경계선을 찾아내어

분류나 회귀 문제를 해결하는 인공지능 알고리즘입니다.

​

< 이미지 출처 : https://datascienceschool.net/>