After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
이 강의는 직관적이고 시각적인 접근을 통해 강력한 분류기인 support vector machine(SVM)을 소개합니다. "Support Vector Machines in R"에서는 SVM 모델을 분류기로 이해하고, R의 e1071 패키지에 포함된 libsvm 구현을 실습하며 경험을 쌓을 수 있어요. 진행하면서 hard/soft margin, kernel trick, 다양한 커널 타입, SVM 하이퍼파라미터 튜닝 등 핵심 개념을 직관적으로 이해하게 됩니다. 이 인상적인 모델로 데이터를 분류할 준비를 해 보세요.
사전 요구 사항
커리큘럼
코스 개요
1
소개
이 챕터에서는 간단한 1차원 예제를 통해 support vector machine의 핵심 개념을 소개합니다. 또한 다음 챕터에서 사용할 선형 분리가 가능한 데이터셋을 만드는 과정을 함께 진행합니다.
2
Support Vector Classifier - 선형 커널
선형 분리가 가능한 데이터셋에 svm 알고리즘을 적용하면서 support vector machine의 기본 개념을 소개합니다. 알고리즘 결과를 바탕으로 만든 ggplot 시각화로 핵심 개념을 설명하고, 간단한 예제를 통해 cost 파라미터의 역할을 강조합니다. 마지막으로 다중 클래스 문제를 알고리즘이 어떻게 처리하는지도 살펴봅니다.
3
다항식 커널
원형 결정 경계를 갖는, 즉 반경 방향으로 분리 가능한 데이터셋을 통해 다항식 커널을 소개합니다. 이 데이터셋에 선형 커널이 적합하지 않음을 보인 뒤, 간단한 변환으로 문제가 선형 분리가 가능해지는 과정을 통해 kernel trick을 직관적으로 설명합니다. 이후 다항식 커널을 적용해 분류기를 만들고 성능을 튜닝합니다.
4
RBF(Radial Basis Function) 커널
앞선 세 챕터를 바탕으로, 매우 유연한 Radial Basis Function(RBF) 커널을 소개합니다. 먼저 다항식 커널의 한계를 드러내는 "복잡한" 데이터셋을 생성한 후, RBF 커널의 직관적 동기를 설명하고, 이 커널이 본 강의에서 다룬 다른 커널들의 한계를 어떻게 보완하는지 확인합니다.
R
R에서의 Support Vector Machine
코스
완료
