scikit-learn参考情報③scikit-learnで使える学習アルゴリズム「SVM」とは

scikit-learn参考情報③scikit-learnで使える学習アルゴリズム「SVM」とは

学習アルゴリズム「サポートベクターマシン(SVM：Support Vector Machine)」の概要について紹介します。

■「SVM」とは

「サポートベクターマシン(SVM：Support Vector Machine)」とは、機械学習方法の1手法です。

「教師あり学習」を用いるパターン認識モデルで、情報データ(画像/音声など)から、意味を持つ対象を選別して取り出すパターン認識を行えます。データを2つのグループに分類する問題に向いています。「分類」や「回帰」へ適用も可能です。

高い識別精度

SVMは、認識性能が優れている学習モデルです。未学習データに対して高い識別性能を得るための工夫がなされています。

主なメリット

・データ特徴の次元が大きい場合でも認識精度が高い
・最適化するべきパラメータ数が少ない
・パラメータ算出が容易
・局所解収束の問題がない
・「マージン最大化」が可能で汎化能力も高い
・コマンド一発で簡単に「分離する平面」を作成できる

主なデメリット

・学習データが増えると、計算量が膨大に増えてしまう
・多クラスの分類にそのまま適用できない

■参考サイト(1)　サポートベクターマシンとは

概要

「SVM」について、コンパクトに解説されています。

ページリンク

→AnalyticsNews　→サポートベクターマシンとは

■参考サイト(2)　機械学習とは何か？ - 自分なりに説明+具体例：サポートベクターマシン-

概要

機械学習からサポートベクターマシンまで解説されています。

解説テーマ

・機械学習とは？
・代表例：サポートベクターマシン
・サポートベクターマシン（以下：SVM）とは？
・サポートベクターマシンを使うなら
・まとめ

ページリンク

→Data Science by R and Python　→機械学習とは何か？ - 自分なりに説明+具体例：サポートベクターマシン-

■参考サイト(3)　SVMについて整理してみた。

概要

「SVM」について、体系的に解説されています。

解説テーマ

１．SVMの概要
２．SVMという手法について
３．コンピュータ将棋でのSVMの活用

ページリンク

→Qiita　→SVMについて整理してみた。

■参考サイト(4)　サポートベクターマシン（SVM）

概要

「SVM」について学術的に解説されています。

解説テーマ

・2クラスのパターン識別
・マージン最大化
・正例・負例の不等式による表現
・マージン最大の識別線の求め方
・ラグランジュの未定乗数（係数）法
・双対問題への変換
・双対問題の解から識別線を決定する
・N次元データへの拡張

ページリンク

→静岡理工科大学総合情報学部コンピュータシステム学科・知能インタラクション研究室　→ニューラルネットワーク　→サポートベクターマシン（SVM）

■参考サイト(5)　SVMについて

概要

筑波技術大学大学院の方が、SVMについてまとめられたスライドです。

全51ページに渡って、SVMについて、詳しく解説されています。

解説テーマ

1．SVMの概要
2．線形SVMの理論と計算方法
3．その他のSVM
4．まとめ

ページリンク

→SlideShare　→SVMについて