<<展開

ソフトマージン

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

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.
ー 効果 ー
  • 線形分離できそうなしかし完全に分離できていないデータでも動く
ーポイントー
  • ハードマージンより柔軟
  • 不等式の制約の範囲を緩めることで分離する麺をはみ出ることを許容している

解  説

データが完全に分離できる面があることを前提とするハードマージンでは、そのような面を引けないときに全く対応できていなかった。 ソフトマージンによって分離面を超えるようなデータがいくらか存在してもペナルティを与えるだけに済まして許容することが可能となった.
SVMとは
ソフトマージンによって赤枠丸ははみ出てもある程度許容されている
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.