# SVM
[D&A 운영진 ML 스터디] 3주차 1차시
두 클래스를 선형으로 분류선 1개로 클래스를 잘 분류해야 함이때 결정 경계가 샘플에 너무 가까우면 좋지 않음.멀어야 혹시나 관측하지 못한 데이터를 잘 예측할 수 있음$\\therefore$ 폭이 가장 넓은 도로를 찾는 것이 목표$\\Rarr$ Large Margin C
Support Vector Machine, SVM : Scikit - Learn
하나의 분류 그룹을 다른 그룹과 분리하는 최적의 경계를 찾아내는 알고리즘마진이 가장 넓은 선을 찾는 알고리즘Support Vector간의 가장 넓은 margin(간격)을 가지는 초평면(결정경계)가 최대화 하는 것이 목적초평면은 데이터가 존재하는 공간보다 1차원 낮은 부
[책 정리]트리기반의 방법, 서포트벡터머신
트리기반의 방법들은 해석하기 쉽고 유용하다. 하지만 처음 분할된 이후 바꿀 수 없기에 최고의지도학습기법들에 비해 예측 정확도가 떨어진다. 트리는 맨 위에서 시작하는 일련의 분할규칙으로 구성된다. 재귀이진분할을 수행하기 위해, 설명변수와 절단점(s)를 선택한다. 이 절단
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 07. Soft-margin SVM (2)
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 06. Soft-margin SVM (1)
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 05. Why does SVM maximize margin?
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 04. Hard Margin SVM (2)
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 03. Hard Margin SVM (1)
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 02. Binary Classification
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
[머신러닝 정리] 서포트 벡터 머신(Support Vector Machine) - 01. Introduction
본 포스팅 시리즈는 다양한 머신러닝 테크닉에 대해 수학적 관점과 실용적 관점에서 정리한다.
Support Vector Machines
Basic Concept supervised machine learning models with associated learning algorithms that analyze data and recognize patterns, used for classification
OpenCV: 카메라 스티커 만들기
얼굴이 포함된 사진과 스티커 사진을 준비한다.사진으로부터 얼굴의 bounding box를 찾는다.사진으로부터 얼굴 영역 face landmark를 찾아낸다.마지막으로 찾아진 영역으로부터 스티커를 붙힌다.스티커 사진은 png 파일 유형으로 준비하는게 좋습니다.
1.2 Before deep learning: a brief history of machine learning
Probabilistic modeling Early neural networks Kernel methods Decision trees, random forests, and gradient boosting machines Back to neural networks
핸즈온 머신러닝 Chatper5 - SVM
5. 1. 선형 SVM 분류 SVM의 기본 아이디어는 직선 형태의 결정 경계를 이용하여 데이터를 분류하는 것이다. SVM 분류기는 클래스 사이에 가장 폭이 넓은 도로(최고의 마진)를 찾는 방향으로 분류를 수행한다. 따라서 도로 바깥쪽에 훈련 샘플을 더 추가해도 결정 경계에는 영향이 가지 않으며, 오히려 도로 경계에 위치한 샘플에 의해 전적으로 결정된다. ...
[머신러닝] 서포트 벡터 머신(SVM)
서포트 벡터 머신의 메인 아이디어: 부류 간의 여백(마진)을 크게 하여 일반화 능력을 최대화이를 위하여 결정함수와 목적함수를 이용한다.결정함수를 이용하여 오류가 적거나(소프트 마진) 없는(하드 마진) 가중치 벡터(w)를 찾고,목적함수를 이용하여 결정함수의 기울기(w)를