サポートベクターマシン（SVM）

サポートベクターマシン（SVM, Support Vector Machine）とは、データを分類・回帰するための教師あり学習アルゴリズムの一つで、特に少量かつ高次元のデータに対して高い精度を発揮します。 線形・非線形の分類をどちらも扱える柔軟なモデルで、境界線（分離超平面）を最大限に広げることで汎化性能の高い分類器を構築します。 SVMの主な特徴は以下の通りです： • クラス間のマージン（間隔）を最大化することで分類の確実性を向上 • カーネル関数（Kernel Trick）により、線形分離できないデータも高次元空間に写して分類可能 • ノイズや外れ値に強いロバストな学習アルゴリズム • 回帰タスク（SVR：Support Vector Regression）にも応用可能 代表的なカーネル関数には次のようなものがあります： • 線形カーネル（Linear Kernel） • 多項式カーネル（Polynomial Kernel） • RBFカーネル（Radial Basis Function） • シグモイドカーネル（Sigmoid Kernel） 活用例： • 手書き文字や画像の認識（例：MNIST） • メールのスパムフィルタリング • 医療診断など、精度が重視される二値分類問題 • 遺伝子データの分類など、特徴量が多くサンプル数が少ない場面 SVMは深層学習以前の機械学習ブームを支えた代表的なアルゴリズムであり、現在でも軽量・高精度な分類器として根強い人気があります。 特に、カーネル法による非線形分類の扱いやすさ、理論的な安定性から、研究・教育・実務の各現場で活用されています。