SVMを使うとなにが嬉しいの？
SVM を使うと，なにが嬉しいの？ 戻る さて，SVM(Support Vector Machine)と言われるものが最近，巷（って言っても，主にパターン認識の分野だけどね）をにぎわしているんだけれど，いったいなにがすごいのだろう？ SVMは，パターン識別手法の一つなんだけれども，これまでもパターン識別手法というのはいくつも提唱されている． ニューラルネットワークを使ったパターン識別手法として最も親しみ深いのは，多層パーセプトロンをバックプロパゲーションで学習させる方法だけれど，SVMはバックプロパゲーション学習と比べてどんな「嬉しい」ことがあるんだろうか． ぶっちゃけた話，SVMの最大の特徴は「マージン最大化」にある．じゃあこの「マージン最大化」とは，なんだろう． ここで，「識別線の引き方」というものを考えてみたい． まず，2次元の特徴空間に次のような2つのクラスAと
サポートベクターマシン入門
次へ: はじめに サポートベクターマシン入門 栗田 多喜夫 Takio Kurita 産業技術総合研究所 脳神経情報研究部門 Neurosceince Research Institute, National Institute of Advanced Indastrial Science and Technology takio-kurita@aist.go.jp visitors since Jul. 19, 2002. 概要: 最近、サポートベクターマシン(Support Vector Machine, SVM)と呼ばれるパター ン認識手法が注目されており、ちょっとしたブームになっている。カーネルトリッ クにより非線形の識別関数を構成できるように拡張したサポートベクターマシン は、現在知られている多くの手法の中でも最も認識性能の優れた学習モデルの一 つである。サポートベクターマ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
