목록머신러닝 (3)

leehyogum의 트러블슈팅

[Machine Learning] Support Vector Machine (SVM) (3)

이전 글까지는 Hard margin SVM의 optimization problem의 primal form을 유도하였다.이번 글에서는 Hard margin SVM의 최종 problem인 dual problem 및 최적화 과정까지 유도해보도록 하겠다. [Machine Learning] Support Vector Machine (SVM) (2)이전 글에서 SVM에 대한 기본적인 개념을 설명하였다. [Machine Learning] Support Vector Machine (SVM) (1)우리에게 Leanearly separable 한 두 개의 클래스 중 하나의 클래스에 속하는 데이터셋들이 있다.우리의leehyogum.tistory.com Lagrange Multipler를 이용하여 Hard SVM을 푸는 ..
CS/Machine Learning 2024. 10. 17. 02:50
[Machine Learning] Support Vector Machine (SVM) (2)

이전 글에서 SVM에 대한 기본적인 개념을 설명하였다. [Machine Learning] Support Vector Machine (SVM) (1)우리에게 Leanearly separable 한 두 개의 클래스 중 하나의 클래스에 속하는 데이터셋들이 있다.우리의 데이터셋을 두 개의 class로 구분하는 decision boundary A와 B 중 어느 것이 더 좋은 decision boundary일leehyogum.tistory.com  이번 포스트에서는 SVM의 optimization problem을 푸는 방법에 대해 설명해보도록 하겠다. SVM의 object function은 다음과 같다. min $\frac{1}{2} ||w^2||$subject to $y_i(w^TX_i + b) ≥ 1$, ∀$i..
CS/Machine Learning 2024. 10. 10. 02:51
[Machine Learning] Support Vector Machine (SVM) (1)

우리에게 Leanearly separable 한 두 개의 클래스 중 하나의 클래스에 속하는 데이터셋들이 있다.우리의 데이터셋을 두 개의 class로 구분하는 decision boundary A와 B 중 어느 것이 더 좋은 decision boundary일까?대충 감으로도 알 수 있듯 정답은 바로 A이다. 그 이유는 A가 B보다 일반적인 성능이 더 좋기 때문이다.주어진 test data들에 대한 성능만 보는 것이 아니라, 미래에 들어올 data도 잘 분류할 가능성이 높은 A가 B보다 좋다. 다시 말해서, A가 B보다 각 클래스 데이터에 대해 높은 margin을 주는 분류기이기 때문이다. Margin이란?Margin이란, decision boundary와 decision boundary에서 가장 가까운 da..
CS/Machine Learning 2024. 10. 10. 00:53
이전 Prev 1 Next 다음