서포트 벡터 머신(SVM)에서 선형으로 분리되지 않는 자료를 고차원 공… | [ADsP] 데이터분석 준전문가 기출유형 모의고사 5회 상세 페이지
1[ADsP] 데이터분석 준전문가 기출유형 모의고사 5회
서포트 벡터 머신(SVM)에서 선형으로 분리되지 않는 자료를 고차원 공간으로 사상한 것처럼 내적만 계산해 분리하는 방법은?
1
커널 트릭(Kernel)
2
비용 복잡도 가지치기
3
라플라스 스무딩
4
부트스트랩 집계(Bagging)
해설
커널 함수로 고차원 공간의 내적을 직접 계산해, 실제로 변환하지 않고도 비선형 경계를 만드는 방법이 커널 트릭이다.
SVM 은 두 클래스 사이 마진을 최대화하는 초평면을 찾으며, 가우시안(RBF)·다항 커널이 자주 쓰인다.
- 라플라스 스무딩: 나이브 베이즈에서 빈도 0 문제를 막는 보정이다
- 비용 복잡도 가지치기: 의사결정나무의 과적합을 줄이는 방법이다
- 부트스트랩 집계: 여러 모형을 결합하는 배깅 앙상블이다
오류나 개정된 내용이 보이면 알려주세요