[일반] SVM 빅픽쳐 설명드림

[딥부이(121.88)]

1. 어 해당 차원에서는 결정 경계 만들기가 어렵넹

2. 차원 늘려버리기!~ ㅋㅋ

3. 하이퍼 플레인으로 결정경계!

4. 근데 차원 높으니 연산량이 넘 많당 ㅠ

5. 이얍 커널트릭! 연산량 줄여보리기~

대충 이 정도만 알고있어도 될듯

화이트박스의 복잡한 수식내용은 알아도 의미 없음

어차피 라이브러리 model.fit() 딸깍 할건데

[익명(rechido)]

이건 svm이 아니고 feature mapping이랑 kernel trick 이고 svm은 그냥 margin 최대화 - dc App

[익명(rechido)]

kernel svm땜에 헷갈리나본데 - dc App

[익명(rechido)]

위 내용 자체는 svm말고도 일반적으로 쓰이는거라 - dc App

[글쓴 딥부이(121.88)]

Maximal Margin Classifier

[글쓴 딥부이(121.88)]

SVM은 Maximal Margin Classifier의 확장된 형태

[익명(23.119)]

SVM의 결정적인 문제는 트레이닝 데이터에 제곱에 비례해서 연산량이 올라간다는거임. 데이터가 많을 수록 좋은 다른 알고리즘과 다르게 데이터가 커지면 커질수록 못써먹을 폐급이됨. SVM만 아니라 대부분의 kernel regression관련 알고리즘들이 다 저모양임.

[익명(118.235)]

그런 귀하를 위한 random fourier feature

[익명(23.119)]

nystrom을 쓰든 random fourier feature를 쓰든 결론적으로 저 근본적인 문제점이 여전히 발목을 잡는건 맞음.

[익명(118.235)]

? 복잡도가 N^2에서 N으로 줄어드는데 충분히 유의미하지