SVM（サポートベクターマシン）

SVMは主に分類（Classification）と回帰（Regression）のタスクに使用され、特に分類問題において優れた性能を発揮する

画像認識や音声認識といったパターン識別でよく使われる

考え方

分類しようと線を引こうとした場合に、無数な線の引き方があるが、サポートベクトルというそれぞれの点から、なるべく遠くなるように線を引けるような線を求める

流れ

よく分からない。。。

はじめにサポートベクトルを定める？それとも線を引いてみて、サポートベクトルを決める？それとも別の流れ？

サポートベクトルが決まっていれば、どう線を引けば、もっとも遠くなる線が決まるというのはわかるが、そもそもそのサポートベクトルはどう決めるのか？

サポートベクトル

どうやってサポートベクトルを決める？

サポートベクトルのマージン（余白）

ハードマージン

学習データに忠実に境界線を引いたもの

ソフトマージン

現実のデータには誤差が含まれているので、忠実に引いてしまうと誤差の影響を受けてしまう

そのため、誤差を許容してゆるい線を引く

こちらの方を機械学習では使っている

線系分類

非線形分類

カーネルトリック

直線では分類できないデータの場合に使用する方法

次元を増やして対応する