목차 SVM support vector machine 지도학습으로 separator을 찾아서 여러 케이스들을 분류하는 것이다. SVM은 데이터를 고차원 공간으로 맵핑한 후, separator을 찾는다. 아래와 같이 2차원 공간에 데이터를 두면, linear하게 separate 되지 않는다. 그런데 만약 아래와 같이 고차원 공간에 피처들을 놓는다면, 이야기가 달라진다. 데이터들이 고차원평면으로 separte된다. SVM은 데이터를 분류할 수 있는 최적의 고차원평면(hyperplane)을 찾는 것이 목적이다. Kerneling SVM 알고리즘에서는 kernel 함수 옵션을 제공한다. 고차원 공간으로 데이터를 매핑시키는 것을 커널링이라고 한다. 커널링은 수학적인 함수이며, 다양한 타입이 있다. 모두 장점과 단..
