머신 러닝 작업의 목표는 대부분 무언가를 그룹으로 나눠 검사하는 것이다. 만약 클래스를 둘로 나눈다면 나누는 일은 그다지 어렵지 않다. 그러나 나눠야 할 클래스가 많다면 그 과정은 꽤 힘들 것이다. 이 힘든 분류 과정을 서포트 벡터 머신(Support Vector Machine, SVM)이 도와줄 것이다.

이 장에서는 SVM에 대해 살펴보겠다. 우선 이진 분류에서 기본적인 알고리즘이 작동하는 방법을 살펴보고, 도구를 가지고 실습하면서 좀 더 확대된 의미를 알아볼 것이다.

 

 

 

SVM(Support Vector Machine)은 객체를 분류하는 중요한 기술이다. 지도 학습 방법이므로 SVM을 설정하려면 훈련용 데이터와 알고리즘 테스트용 데이터를 갖춰야 한다. SVM을 사용하여 선형 분류(이것인지 저것인지) 또는 비선형 분류를 할 수 있다. 이 장에서는 선형 분류와 비선형 분류 둘 다 다룰 것이다.

SVM은 인공 신경망과 많이 비교되는데, 두 알고리즘 모두 최소 오차를 찾는 방법과 시그모이드(Sigmoid) 함수를 사용하기 때문이다.

SVM의 모습은 2차원 또는 3차원 공간에 각각의 개체가 위치한다고 생각하면 쉽다. 모든 개체는 공간 내 점 하나다. 영역 안에서 거리가 충분하다면 분류 작업은 매우 쉽다.