Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

5.7

 詳細：サポートベクターマシン

421

実際のラベル

図5-66　顔データの混同行列

これは、どのラベルに対して推定器が混乱しやすいかを知るのに役立ちます。

現実の顔の認識タスクでは、写真が扱いやすい形でトリミングされていることはあまり多くあり

ません。そのため顔分類方式の違いとは、特徴の選択方法の違いです。より洗練されたアルゴリズ

ムを使用して顔を見つけ出し、ピクセルの構成に関わらず特徴を抽出する必要があります。この種

のアプリケーションでは、

OpenCV

（

http://opencv.org

）を使用することをお勧めします。

OpenCV

には一般的な画像、特に顔検出のための最先端の特徴抽出ツールが事前学習済みの状態で実装され

ています。

5.7.4

 サポートベクターマシンまとめ

ここでは、サポートベクターマシンの背後にある考え方の基礎を簡潔かつ直感的に紹介しまし

た。この手法は、多くの理由から強力な分類法となっています。

●

比較的少数のサポートベクタ

ーに依存した手法であることから、非常にコンパクトなモデル

と言えます。このことは、メモリの消費が少ないことを意味しています。

●

学習を済ませてしまえば、モデルを使用した予測は非常に高速です。

●

マージン付近の点だけが影響を持つため、サンプルよりも高い次元のデータに対してもうま

く機能します。これは他のアルゴリズムにとっては解決の難しい問題です。

●

カーネル法との統合により非常に高い汎用性を持ち、多くの種類のデータに適応することが

できます。