<<展開

線形SVM

Facebookシェア Twitterツイート LINEで送る Googleシェア このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
Up
0
Down

要約

概要

線形SVMは線形なモデルを学習して識別を行うSVM(Support Vector Machine). 線形分離可能なデータに対して有効.
ー 効果 ー
  • 線形分離可能なデータに対して有効な学習する

解  説

線形SVMは線形な以下のようなモデルを学習するパターン認識手法. 線形な形の式を学習するため、線形分離可能なモデルに対してのみ有効.
SVMとは
そのような分離可能なものであることを前提に学習するのをハードマージンと呼びます。 逆に完璧には分離可能でないとわかっていてそれを許容して学習する手法をソフトマージンと呼びます。
ソフトマージン
$$f(x) = \boldsymbol{ w } ^ T \boldsymbol{ x } + \boldsymbol{ b }$$
線形SVMのモデル
この章を学んで新たに学べる
Comments

Reasons
>>隠す

知識: SVMとは
SVM(Support Vector Machine)は、分類等を行える教師あり学習によるパターンモデル. よくある訓練データを見分けて終わりという学習ではなく、なるべく訓練データを明確に分けられるように工夫することで、未知のデータにも対応している.
知識: ソフトマージン
SVMにおいて入力されるデータが完全に分離できるものの場合その想定のもとハードマージンという分離を前提とする手法によって学習をしていた.しかし完全に分離できるものとは限らない場合にはうまく学習ができなくなってしまうため、多少分離できなくても許容するソフトマージンという手法が提案された.