#Level４．機械学習講座（理論と実践）
##4-7.サポートベクターマシン（SVM）
###4-7-1.サポートベクターマシンとは
●２クラス分類のための機械学習手法
●線形判別関数と最も近いデータ点の距離を“マージン”と呼ぶ。
マージンが最大となる線形判別関数を求める。
●サポートベクター
分離超平面を構成する学習データは、サポートベクターだけで残りのデータは不要である。
●ソフトマージンSVM
サンプルを分離できない時、誤差を許容し、誤差に対してペナルティを与える。
線形分離できない場合でも対応し、パラメータCの大小で決定境界が変化する。
●非線形分離
線形分離できない時、特徴空間に写像し、その空間で線形分離する。
●カーネルトリック
高次元ベクトルの内積をスカラーで表現する。
特徴区間が高次元でも計算コストを抑えられる。
※目的関数の導出などは、別途、復習して知識を養っておく必要がある。（今後の目標）
###4-7-2.ハンズオン
サンプルコードをもとにして、実行して確認してみる。
###4-7-3.考察
マージンの考え方や、決定境界を可視化するやり方は、
誰かに説明をする時に理解してもらい易いだろうなと感じた。
サポートベクターマシンの・・・と言うと良く分からない人には難しく感じる。
誤分類の許容や、マージンとペナルティを与える適切な関係性など、
お試しでやってみようと思う。