サポートベクターマシン (SVM)とは
機械学習(教師あり学習)の手法の1つ．分布しているデータの適切な境界線を求めるアルゴリズム．
一般的には2クラスに分類する手法として使われることが多いが，回帰手法にも使用されることがある．多クラス分類問題は，決定木やニューラルネットワークを用いることが多い．
マージン最大化
異なるクラスの各データ点の距離が，最大化すること．
スラック変数
誤分類やマージンをはみ出た場合の誤差を測る変数のこと．
ハイパーパラメータ
誤分類をどの程度許容するかを学習の前段階で決める変数(パラメータ)のこと．
参照：ハイパーパラメータの最適な探索
⇢ ゼロから作るディープラーニング(Pythonで学ぶディープラーニングの理論と実装)のp.197〜
カーネル関数
データをあえて高次元に写像(カーネルトリック)することで，線形分離不可能な問題を線形分離可能な問題へ変換する．
- 線形カーネル：任意の２つの観測間の内積として使用．
- 多項式カーネル：湾曲した入力データ空間と，非線形の入力データ空間を区別．
- 動径基底関数（RBF）カーネル：主にSVM分類で使用されるRBFカーネルは、入力データ空間を不定次元空間にマッピングします．
見るべき解説動画
数式を交えた解説動画
ハンズオンによる説明