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

216

1

부

머신러닝

표

5-1

SVM

분류를 위한 사이킷런 파이썬 클래스 비교

파이썬 클래스 시간 복잡도 외부 메모리 학습 지원 스케일 조정의 필요성 커널 트릭

LinearSVC

O

(

m

×

n

)

아니오 예 아니오

SGDClassifier

O

(

m

×

n

)

예 예 아니오

SVC

O

(

m

2

×

n

) ~

O

(

m

3

×

n

)

아니오 예 예

5.3

SVM

회귀

앞서 이야기한 것처럼

SVM

알고리즘은 다목적으로 사용할 수 있습니다. 선형, 비선형 분류뿐

만 아니라 선형, 비선형 회귀에도 사용할 수 있습니다.

SVM

을 분류가 아니라 회귀에 적용하는

방법은 목표를 반대로 하는 것입니다. 일정한 마진 오류 안에서 두 클래스 간의 도로 폭이 가능

한 한 최대가 되도록 하는 대신,

SVM

회귀는 제한된 마진 오류 (즉, 도로 밖의 샘플 ) 안에서 도

로 안에 가능한 한 많은 샘플이 들어가도록 학습합니다. 도로의 폭은 하이퍼파라미터

ε

으로 조

절합니다.

16

[그림

5

-

10

]은 무작위로 생성한 선형 데이터셋에 훈련시킨 두 개의 선형

SVM

회

귀 모델을 보여줍니다. 하나는 마진을 크게 (

ε

=

1

.

5

) 하고 다른 하나는 마진을 작게(

ε

=

0

.

5

)

하여 만들었습니다.

그림

5-10

SVM

회귀

16

옮긴이_ 허용오차를 설명할 때 나온 하이퍼파라미터

ε

과 혼동하지 마세요.

SVM

회귀 모델인

SVR

과

LinearSVR

에서 ...