サポートベクトルマシン(SVM)は、「分類」、「回帰」および「異常値検出」に使用される教師あり学習方法のセットです。 サポートベクターマシンの利点は次のとおりです。 高次元空間で効果的です。 次元の数が標本の数よりも多い場合でも効果的です。 意思決定関数(サポートベクトルと呼ばれる)でトレーニングポイントのサブセットを使用するため、メモリ効率も高くなります。 汎用:決定関数には異なるカーネル関数を指定できます。 共通のカーネルが提供されていますが、カスタムカーネルを指定することもできます。 サポートベクターマシンの欠点は次のとおりです。 フィーチャの数がサンプルの数よりもはるかに多い場合、この方法はパフォーマンスが低下する可能性があります。 SVMは確率推定値を直接提供するものではありませんが、高価な5倍交差検定を使用して計算されます(下記の参照: スコアと確率)。 scikit-lear
![【翻訳】scikit-learn 0.18 User Guide 1.4. サポートベクターマシン - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/8ae084db5ba584352a2b2b2479ef6fa3a8a921ed/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUUzJTgwJTkwJUU3JUJGJUJCJUU4JUE4JUIzJUUzJTgwJTkxc2Npa2l0LWxlYXJuJTIwMC4xOCUyMFVzZXIlMjBHdWlkZSUyMDEuNC4lMjAlRTMlODIlQjUlRTMlODMlOUQlRTMlODMlQkMlRTMlODMlODglRTMlODMlOTklRTMlODIlQUYlRTMlODIlQkYlRTMlODMlQkMlRTMlODMlOUUlRTMlODIlQjclRTMlODMlQjMmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPTRkNTU4OTk4YjZiMjRmNDBjZGViYmQ4ODEwNTYzMGQ1%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBuYXpva2luZyU0MGdpdGh1YiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9Mjk4ZWQxMTExYTEzZTEzMmFhY2QxOGViMjBjMzZjMGE%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g44OB44O844Og44Op44Oc44Kw44Or44O844OX%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D2b30cecc62befc6f68beea0ad7af119f)