svm

機械学習 サポートベクターマシンの仕組み

svm
スポンサーリンク

サポートベクターマシン(SVM)とは

SVM(Support Vector Machine)と言われる教師あり学習のアルゴリズムの1つで、「分類」、「回帰」の両方に利用可能です。

これは高速で、少ないデータでも良い性能が得られています!

 

サポートベクターマシンの仕組み

まず、分類したものがあるとします。

次のような手順で分類する感じです。

 

① データをのデータのように分類したいものを確認する。

② それっぽいところに直線を引き、分類する。

分類するための直線

③ 分類する境界に1番近いデータの点と距離(マージン)が最大となるようなところを探します。

④ その距離の最大地点に線を引きます。

SVMのイメージ

これがSVMの考え方になります!

 

スポンサーリンク

特徴(メリット・デメリット)

マージン最大化にする事が1番の特徴です。

マージン最大化できる境界を探すという基準がある事で、精度よいモデルができる。

 

<メリット>

  • データの次元が大きくなっても精度が良い
  • 人が調整するパラメータが少ない

 

<デメリット>

  • 学習データが増えると計算量が膨大
  • 基本的に2クラス分類に対応、多クラス分類をするには一手間かかる

 

まとめ

SVMは、データ量が少なくて、2クラス分類をする場合に向いている手法かと思います。

分類において、今回のような簡単には分けられる事は少なく、誤差等も入ってきたり、直線ではなく非線形のSVMもあります。

今回は基礎としての仕組みを勉強しました。

 

機械学習に興味があればぜひプログラミングを通して、勉強するとよりチカラがつくかと思います(^ ^)

それでは今日はここまで。

Excelでできる分析

「業務改善も何から始めていいのか、わからない」という声をお助け!
Excelからはじめるデータ分析ステップはこちらをご覧ください 

  

 

 

 

スポンサーリンク