2019-05-27 【ラビットチャレンジ】機械学習:その6 サポートベクターマシーン ラビットチャレンジ 機械学習:その6 サポートベクターマシン 概要 2クラス分類のための機械学習手法 線形モデルの正負で2値分類 ※ 決定境界はいくつも考えられる SVMの求め方 線形判別関数ともっとも近いデータ点との距離をマージンという マージンが最大となる線形判別関数を求める 主問題の目的関数と制約条件 → 最適化問題をラグランジュ未定乗数法で解くことを考える サポートベクター 分離超平面を構成する学習データの、サポートベクターだけで残りのデータは不要 ソフトマージンSVM サンプルを線形分離できないとき 誤差を許容し、誤差に対してペナルティを与える マージン内に入るデータや誤分類され たデータに対して誤差を表す変数を導入する 非線形分離 線形分離できないとき 特徴空間に写像し、そ空間で線形に分離する カーネルトリックを利用 カーネルトリック カーネル関数 高次元ベクトル内積をスカラー関数で表現 特徴空間が高次元でも計算コストを抑えられる 非線形カーネルを用いた分離 放射基底関数カーネル( RBFカーネル・ ガウシアンカーネル)を用いる