😏:Svm

SVM(Support Vector Machine) 은 훈련된 데이터를 기반으로 두 가지 부류로 분류하는 대표적인 분류 알고리즘이다.

k-NN은 predict()를 호출하닌 시점에 각 요소들간의 거리 계산이 시작 되지만,
SVM은 train() 함수에 학습 데이터와 레이블을 전달하면 각 부류를 구분하는 선을 찾아 그 선에 만족하는 방정식을 구하고 나서 predict()함수에 예측 데이터를 전달하면 이미 구해놓은 방정식을 적용해서 어떤 부류인지 예측한다. 이 방정식을 모델(model)이라고 하고 한번 구한 모델은 계속해서 재활용이 가능한다.

SVM 함수

• svm = cv2.ml.SVM_create() : SVM 알고리즘 객체 생성

• svm = cv2.ml.SVM_load(file) : 저장한 SVM 객체를 읽어서 생성

_{file : 저장한 파일 경로}

• svm.setType(type) : SVM 알고리즘 타입 선택

_{C_SVC : C 파라미터를 이용한 다중 서포트 백터 분류기
NU_SVC : Nu 파라미터를 이용한 다중 서포트 백터 분류기(SVC)
ONE_CLASS: 단일 분류기
EPS_SVR : 엡실론 서포트 벡터 희귀
NU_SVR: Nu 서포트 벡터 휘귀}

• svm.setKernel(kernelType=LINEAR) : 커널 타입 선택

_{CUSTOM : 사용자 정의 커널
LINEAR : 선형 커널
POLY : 선형 커널}

• svm.setC(val) : C_CSV, EPS_SVR의 C 파라미터 설정

• svm.setNu(val) : NU_SVC, NU_SVR의 Nu 파라미터 설정

• svm.setP(val) : EPS_SVR의 P 파라미터 설정

• svm.setGamma(val) : 커널의 감마 값 설정

• svm.setCoef0(val) : 커널의 coeff0 값 설정

• svm.setDegree(val) : 커널의 degree 값 설정

• svm.traniAuto(trainData, layout, label): 자동으로 파라미터 설정 및 학습 훈련

실습

• SVM 난수 분류

참고자료

• 서포트 벡터 머신 (SVM) 개념

• 커널(Kernel)이란: SVM에서 커널은 입력 데이터를 더 높은 차원의 특성 공간으로 변환하는 함수입니다.