サポートベクターマシーンとは、データを分類や回帰分析するための教師あり学習アルゴリズムの一つです。データ同士の境界線であるマージンを最大化することで、未知のデータに対しても高い汎化性能を発揮する点が特徴で、パターン認識などで広く活用されています。
サポートベクターマシーンとは
サポートベクターマシーンとは、異なるクラスのデータ境界を明確にし、未知のデータを高精度に分類・予測するための機械学習アルゴリズムです。
詳しく解説
サポートベクターマシーン（SVM）は、データを空間上に配置し、異なるクラスの境界線（超平面）を引くことで分類を行います。境界線と、その境界線に最も近いデータ点であるサポートベクターとの距離（マージン）を最大化するように学習するのが最大の特徴です。この仕組みにより、過学習を防ぎつつ未知のデータに対しても高い精度を発揮します。また、カーネルトリックと呼ばれる数学的手法を用いることで、線形分離が不可能な複雑なデータ構造に対しても対応可能となり、長年にわたり画像認識やテキスト分類などの分野で重要な役割を果たしてきました。
具体例・使われ方
具体的な利用例としては、迷惑メールの自動フィルタリングや、手書き文字の認識、顔画像の検出、さらには医療分野におけるがんの良性・悪性判定などが挙げられます。このように、二値分類や多クラス分類が必要な多くの場面で応用されています。
似た用語との違い
ロジスティック回帰などの他の分類アルゴリズムが確率を出力する傾向にあるのに対し、サポートベクターマシーンはデータ間の境界線とマージンの最大化に特化しています。また、近傍のデータのみを参照するk近傍法とは異なり、全体の境界を決定するサポートベクターに注目してモデルを構築する点が大きく異なります。
注意点
データ数が非常に膨大な場合、計算量とメモリ消費量が大きくなり学習に時間がかかるという限界があります。また、適切なカーネル関数の選択やハイパーパラメータの調整を行わないと、十分な性能を発揮できない点に注意が必要です。