SVM2 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. Chap 09 Support Vector Machines - The Support Vector Machine Classifier Non-Linear Classifier The support vector classifier는 꽤나 생각하기 쉬운 모델입니다. 그러나 linear decision boundary기 때문에 강력하지는 않습니다. 선형 회귀를 비선형 회귀로 확장해봅니다. $Y_{i} = \beta_{0} + \beta_{1} b_{1}(X_{i}) + \beta_{2} b_{2}(X_{i}) +... + \beta_{p} b_{p}(X_{i}) + \varepsilon_{i}$ A Basis Approach Support vecotr classifier와 비슷한 접근을 취할 수 있습니다. Ths support vecotr classifier가 $X_{1}, X_{2}, ..., X_{p}$에 의해 확장된 공간 안에서 the .. 2019. 10. 16. 이전 1 다음
