핸즈온 머신러닝(2판): 사이킷런, 케라스, 텐서플로 2를 활용한 머신러닝, 딥러닝 완벽 실무

205

5

장

서포트 벡터 머신

서포트 벡터 머신

support

vector

machine

(

SVM

)은 매우 강력하고 선형이나 비선형 분류, 회귀, 이상치

탐색에도 사용할 수 있는 다목적 머신러닝 모델입니다. 머신러닝에서 가장 인기 있는 모델에 속

하고 머신러닝에 관심 있는 사람이라면 반드시 알고 있어야 하는 모델입니다.

SVM

은 특히 복

잡한 분류 문제에 잘 들어맞으며 작거나 중간 크기의 데이터셋에 적합합니다.

이 장에서는

SVM

의 핵심 개념을 설명하고 사용 방법과 작동 원리를 살펴보겠습니다.

5.1

선형

SVM

분류

SVM

의 기본 아이디어는 그림으로 설명하는 것이 가장 좋습니다. [그림

5

-

1

]에

4

장 끝에서 소

개한 붓꽃 데이터셋의 일부를 나타냈습니다. 두 클래스가 직선으로 확실히 잘 나뉘어 있습니

다(

선형적으로 구분

됩니다 ). 왼쪽 그래프에 세 개의 선형 분류기에서 만들어진 결정 경계가 보

입니다.

1

점선으로 나타난 결정 경계를 만든 모델은 클래스를 적절하게 분류하지 못하고 있습니

다. 다른 두 모델은 훈련 세트에 대해 완벽하게 동작합니다. 하지만 결정 경계가 샘플에 너무 가

까워 새로운 샘플에 대해서는 아마 잘 작동하지 못할 것입니다. 오른쪽 그래프에 있는 실선은

SVM

분류기의 결정 경계입니다. 이 직선은 두 개의 클래스를 나누고 있을 뿐만 아니라 제일

가까운 ...