第18回「scikit-learnの使い方（4）サポートベクタマシン」

一般社団法人Pythonエンジニア育成推進協会は「第18回「scikit-learnの使い方（4）サポートベクタマシン」」を公開しました。

＃＃＃

こんにちは、小澤です。

前回は、教師あり学習の基本的な概念と、その主要なタスクである分類と回帰について解説しました。今回は、scikit-learnを用いてサポートベクタマシン（SVM）を実装し、データセットの分類に活用する方法を見ていきましょう。教科書『Pythonによる新しいデータ分析の教科書（第2版）』では、4.4.2章「分類」のサポートベクタマシン（228〜236ページ）の箇所です。

サポートベクタマシン（SVM）とは？
サポートベクタマシン（Support Vector Machine；SVM）は、分類や回帰に利用される機械学習アルゴリズムの一つです。特に、データが線形分離可能な場合に強力な性能を発揮しますが、カーネル関数を使用することで非線形データの分類も可能です。SVMの目的は、データを最も効果的に分離する最適な決定境界（超平面、ハイパープレーン）を見つけることです。

この続きは以下をご覧ください
(リンク »)