SVM

I. 초평면을 이용한 데이터의 분류, SVM의 개요

가. SVM(Support Vector Machine) 정의

   - 데이터가 사상 된 공간에서 경계선과 가장 근접한 데이터 간의 거리가 가장 큰 경계를 식별하는 지도학습 기반 분류 알고리즘

나. SVM의 특징

   - 지도학습, 분류기법, 회귀분석 활용, 차원의 저주 회피

---

II. SVM의 모델 개념도 및 구성요소

가. SVM의 모델 개념도

- 초평면(Optimal Hyperplane)을 구하여 최대 마진 기준으로 데이터를 2개의 그룹으로 분류

나. SVM의 구성요소

구성요소	특징	설명
Optimal Hyperplane	Positive, Negative	- 데이터 분류의 기준이 되는 분류 경계선
Support Vector	초평면과 가장 가까운 위, 아래 점	- 학습 데이터 중에서 분류 경계에 가장 가까운 곳에 위치한 데이터
Margin	Hard-Margin Soft-Margin	- 분류 경계에 가장 가까운 데이터로부터 분류 경계까지의 거리
Kennel Function	차원축소	- 비선영 SVM에서 고차원 특징공간으로 사상하는 함수

- 슬랙 변수의 적용 여부에 따라 하드 마직과 소프트 마진 방법 존재

---

III. SVM의 활용방안

활용방안	설명
텍스트 분류	- 하이퍼텍스트 분류, 스팸 분류, 긍정/부정어 분류
이미지 분류	- 손글씨 인식 및 이미지 특징 인지
의료 정보	- DNA 단백질 효소 정보 분류