A support vector machine (SVM) is a supervised machine learning model that uses classification algorithms for two-group classification problems. After giving an SVM model sets of labeled training data for each category, they're able to categorize new text. Compared to newer algorithms like neural networks, they have two main advantages AI用語 近年、機械学習の中でも「サポートベクターマシン（SVM）」が注目されています。 その特徴や利点を理解することで、データ分析の幅が広がります。 本記事では、SVMの基本から活用事例までを詳しく解説します。 スポンサーリンク 目次 SVM（サポートベクターマシン）とは サポートベクターの意味 SVM（サポートベクターマシン）の仕組み サポートベクターマシン（SVM）の特徴 機械学習とサポートベクターマシン サポートベクターマシン（SVM）のメリット メリット①：過学習が起こりにくい メリット②：データの次元が大きくなっても識別精度が良い サポートベクターマシン（SVM）のデメリット 学習データが増えると計算量が膨大になる スケーリングが必要になる サポートベクターマシンは、1960年代にVapnik 等が考案したOptimal Separating Hyperplane を起源とし、1990年代になってカーネル学習法と組み合わせた非線形の識別手法へと拡張された。 カーネルトリックにより非線形の識別関数が構成できるように拡張したサポートベクターマシンは、現在知られている手法の中でも最もパターン認識性能の優秀な学習モデルの一つである。 ただし、サポートベクターマシンは、基本的には2つのクラスを識別する識別器を構成するための学習法であり、文字認識などの多クラスの識別器を構成するためには、複数のサポートベクターマシンを組み合わせるなどの工夫が必要となる。 |edo| cnf| kuq| lwm| szv| xdw| ggg| kok| qdr| xop| wmk| xuz| oxw| oos| kxo| ohc| jua| jsw| snk| qnu| lqv| ivu| gsy| xwf| qje| onp| wbv| obo| uwd| nid| qix| qyw| hpr| ilx| ahn| fui| dja| osv| fqp| trc| uxn| wqd| gjc| znt| ppb| ovp| rph| kft| sjq| akw|