다섯 살도 알 수 있게 · 클라우드
SVM(서포트벡터머신)이 뭐예요?
SVM을, 두 입주사 그룹을 가장 넓게 갈라놓는 경계선을 긋는 심사관 이야기로 풀어봤어요.
심사관은 앞으로 들어올 입주사가 어느 쪽인지 미리 가르고 싶어요.입주사는 조용한 쪽과 시끄러운 쪽, 두 그룹이에요.
경계선을 대충 그으면 선 가까이 오는 새 입주사를 자주 틀려요.경계선이 한쪽 그룹에 너무 붙어 있으면 안 돼요.
SVM = 두 그룹에서 가장 멀리 떨어진 경계선을 긋는 심사관이에요.SVM에선 경계에 가장 가까운 점(서포트 벡터)이 선의 위치를 정해요.
두 그룹 사이 가장 넓은 간격을 찾아요마진이라고 불러요
경계에 가장 가까운 점이 선을 정해요서포트 벡터라고 불러요
직선으로 못 가르면 데이터 공간을 바꿔요커널 트릭이라고 불러요
새 데이터를 두 그룹 중 하나로 분류해요분류 알고리즘이에요
경계선을 '가장 넓게' 띄워 긋는 게 SVM의 핵심이에요.마진이 넓을수록 경계 근처의 새 데이터도 대체로 더 잘 맞혀요.
사실 SVM은 클라우드 인프라 이야기가 아니에요.SVM은 전통적인 머신러닝 분류 알고리즘이에요 — 수험 주제라 함께 다뤘지만, 이 건물 비유는 여기서 멈출게요.
한 줄로
SVM = 두 그룹 사이에 가장 넓은 여유(마진)를 두고 경계선을 긋는 분류 알고리즘. 경계에 가장 가까운 점(서포트 벡터)만으로 선이 정해져요.
SVM(Support Vector Machine)은 두 클래스를 나누는 초평면(결정 경계)을 마진이 최대가 되도록 찾는 지도학습 분류 기법이에요. 선형으로 나눌 수 없는 데이터는 커널 트릭으로 고차원 공간에 옮긴 것처럼 계산해 나눠요. 클라우드 인프라 주제가 아니라 전통적인 머신러닝 알고리즘이라, 이 페이지만 비유가 다른 페이지보다 느슨해요.
어른들은 이렇게 불러요
- SVM
Support Vector Machine - 두 그룹을 가장 넓게 가르는 심사관. 지도학습 분류 알고리즘이에요.
- 결정 경계(초평면)
Decision boundary (hyperplane) - 두 그룹을 가르는 경계선. 데이터 차원이 늘면 평면(초평면)이 돼요.
- 마진
Margin - 경계선과 가장 가까운 점 사이 여유 폭. 넓을수록 새 데이터를 대체로 더 잘 맞혀요.
- 서포트 벡터
Support vector - 경계에 가장 가까운, 선을 정하는 점들. 이 점들만 바뀌어도 경계선이 바뀌어요.
- 커널 트릭
Kernel trick - 직선으로 못 가를 때 공간을 바꾸는 방법. 휘어진 경계도 그릴 수 있게 해줘요.
- 지도학습
Supervised learning - 정답이 있는 데이터로 배우는 방식. 조용한 입주사/시끄러운 입주사처럼 라벨이 미리 있어요.
- 분류
Classification - 정해진 그룹 중 하나로 나누는 일. SVM은 기본적으로 두 그룹으로 나눠요.
- 과적합
Overfitting - 훈련 데이터에만 너무 딱 맞춘 경계선. 마진을 너무 좁게 잡으면 생기기 쉬워요.
다음 이야기
내 서랍, 공용 자료실, 전용 창고망 →