エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください
Twitterで共有ONにすると、次回以降このダイアログを飛ばしてTwitterに遷移します
はじめに 今回は機械学習のアルゴリズムの一つであるサポートベクトルマシンについての理論をまとめてい... はじめに 今回は機械学習のアルゴリズムの一つであるサポートベクトルマシンについての理論をまとめていきます。 お付き合い頂ければ幸いです。 サポートベクトルマシンの理論 それでは最初にサポートベクトルマシンの理論についてまとめていきます。 ハードマージンとソフトマージン サポートベクトルマシン(svm)は汎化性能や応用分野の広さから、データ分析の現場でよく用いられる機械学習のアルゴリズムの一つです。 マージン最大化と呼ばれる考えに基づき、主に2値分類問題に用いられます。多クラス分類や回帰問題への応用も可能です。 計算コストが他の機械学習のアルゴリズムと比較して大きいため、大規模なデータセットには向かないという弱点があります。 線形分離可能(一つの直線で二つに分けられる)なデータを前提としたマージンをハードマージン、線形分離不可能なデータを前提として、誤判別を許容するマージンをソフトマージンと