RBF1 Support Vector Machines 이진 분류 작업 훈련 데이터를 분리할 수 있는 초평면이 많이 있습니다. 서포트 벡터 분류 원리 트레이닝 데이터셋 $D = \left \{ (\mathbf{x_{1}},y_{1} ), (\mathbf{x_{2}},y_{2} ), ..., (\mathbf{x_{n}},y_{n} ) \right \}$ $\mathbf{x_{i}} = (x_{i}^{1}, ..., x_{i}^{d}) \in R^{d}$은 d 입력 변수의 i-th 입력 벡터입니다. $y_{i} \in \left \{ -1, +1 \right \}$는 대응하는 출력 변수의 레이블입니다. SVM은 positive ($y_{i} = +1$)와 negative ($y_{i} = -1$) 데이터 포인트 사이에서 maximum-margin hyperpla.. 2019. 11. 13. 이전 1 다음
