장점:
1. 고차원 데이터를 효과적으로 처리할 수 있습니다.
2. 작은 샘플 크기로 잘 수행합니다.
3. 커널 방법을 사용하여 비선형적으로 분리 가능한 데이터를 처리할 수 있습니다.
4. 설명하기 쉽고 조정하기 쉬운 강력한 수학적 배경이 있습니다.
5. 구조적 위험을 최소화하는 능력으로 인해 잘 일반화되는 경향이 있습니다.
6. 이상값을 효과적으로 감지할 수 있습니다.
단점:
1. SVM은 전문 지식이 필요한 커널 및 하이퍼파라미터 선택에 민감할 수 있습니다.
2. 특히 대규모 데이터 세트의 경우 계산 비용이 많이 듭니다.
3. 일대일 또는 다중 클래스 커널과 같은 더 복잡한 방법을 사용하지 않으면 다중 클래스 분류 문제에서 잘 수행되지 않을 수 있습니다.
4. 불균형 데이터의 영향을 받을 수 있으며 데이터 전처리 기술이 필요할 수 있습니다.
5. 마진 영역이 복잡할 수 있으므로 SVM의 해석이 어려울 수 있습니다.
발행일: