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。
「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。
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。
・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
・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
「SVM」について、コンパクトに解説されています。
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。
・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
→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-
「SVM」について、体系的に解説されています。
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
「SVM」について学術的に解説されています。
・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
→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)
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。
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
Python実装オープンソース機械学習ライブラリ「scikit-learn」の概要と、「scikit-learnで利用できる主な機械学習アルゴリズム」について紹介。 scikit-learnとは scikit-learnは、Pythonインターフェースを使用して、教師付き学習および教師なし学習などのアルゴリズム...
OSS×Cloud ACCESS RANKING