サポートベクターマシン(SVM)
データの点を最も引き離すような境界線を引くこと。
機械学習の手法では、
結果は出力と呼ばれる。
サポートベクトルとは
境界に最も近いデータの点のこと。
SVMではこのマージンを最大化する。
線形分離
特徴量２なら直線
３なら平面
４以上は図示出来ず超平面という。
SVMの長所
1. 特徴量が多い場合に有効
2. 特徴量の数がデータの数より多い場合でも有効
3. 境界となる直線、平面、超平面を引く際には境界に近い点のみを考慮すればいいので、データが多くてもメモリを節約できる
4. さまざまなカーネル関数を使うことができるため多様な出力結果を得られる。 SVMの短所
1. データの数が多いと計算時間が非常にかかる
2. 特徴量の数がデータの数より多い場合はカーネル関数の選び方によって過学習になる
3. その派閥の属する確率を出すことが基本的にできない