問題 No.844
サポートベクターマシンを特定の分類タスクに適用する際の特徴や判断として不適切なものはどれか。
【正解の解説】
データの背後にある確率分布を厳密に推定し未知のデータがあるクラスに属する確率そのものを出力する
サポートベクターマシン(SVM)は境界線を引くことに特化したモデルであり、確率そのものを予測する手法ではありません。確率を出力するモデルが必要な場合は、ロジスティック回帰などが適しています。
スポンサーリンク
【その他の選択肢の解説】
データが線形分離不可能である場合でもカーネル関数を用いて高次元空間へ写像することで対応できる
カーネル関数とは、複雑に混ざり合ったデータを高い次元の空間へ投影し、整理しやすくする魔法のような手法です。これにより、平面的には分けられないデータもきれいに分割できるようになります。
境界線に最も近いデータ点からの距離であるマージンを最大化するように学習する
サポートベクターマシン(SVM)は、境界線とデータの距離（マージン）を可能な限り広げることを目指します。この隙間を最大化することで、新しいデータが入ってきても間違いにくい頑丈な判断が可能になります。
少数の重要データ点のみに依存して境界線を決定するため外れ値の影響を受けにくい頑健なモデルを構築できる
サポートベクターマシン(SVM)は、境界線に最も近い数個の「サポートベクター」と呼ばれるデータのみを利用して判断を決定します。そのため、遠く離れた外れ値の影響を受けにくいという特徴があります。