머신러닝 5일차: 서포트 벡터 머신(SVM)

 

01 학습 내용

---

machine_learning/05_support_vector_machine.ipynb at main · dataosean/machine_learning

 

02 회고

---

- 실제로 데이터를 분석하는 과정에서는 모델링보다 전처리에 더 많은 시간이 소요된다고 한다. 이번엔 공부하는 시간만큼이나 코드 실습 시간도 상당히 길었다. 특히, 코드를 실습하는 과정 중 전처리와 탐색적 데이터 분석(EDA) 부분이 정말 오래 걸렸다. 기존에 이론과 실습을 진행했던 부분이지만, 오랜만에 다시 보니 복습할 수 있어서 유익했고, 새로운 학습 내용도 있었다.

- 예를 들어, '모든 데이터를 N-1차원으로 분할할 수 있는가?'라는 의문은 비선형 SVM을 통해 해결할 수 있었다. 그 외에도 결정 경계와 서포트 벡터 사이의 거리 영역, 즉 마진이 최대화되는 값을 찾는 기계 학습 전 과정을 배울 수 있었다.