서포트 벡터 머신(Support Vector Machine, SVM)

1. 서론

서포트 벡터 머신(Support Vector Machine, SVM)은 1990년대 초반에 개발된 강력한 지도 학습 알고리즘으로, 주로 분류와 회귀 문제를 해결하는 데 사용된다. SVM은 주어진 데이터를 최적의 경계선(결정 경계)으로 구분하는 것이 목표이며, 이 경계선은 데이터 포인트와 최대 마진을 유지하는 초평면으로 정의된다. 예를 들어, 의료 분야에서는 암 진단을 위해 종양의 특징 데이터를 이용해 양성과 음성을 구분하는 데 SVM이 활용되는데, 2xxx년 한 연구에 따르면 SVM이 혈액 검사 데이터를 이용할 때 92% 이상의 분류 정확도를 보였다. 또한 금융권에서는 고객의 신용 등급을 평가하는 데도 SVM이 채택되며, 2020년 금융 보고서에 따르면 SVM 기반 신용평가 시스템이 기존 시스템보다 15% 향상된 예측 성능을 나타낸 것으로 보고되고 있다. 이러한 성과는 SVM이 높은 차원의 데이터에서도 뛰어난 성능을 발휘하며, 특히 소수의 학습 데이터로도 뛰어난 분류 능력을 보여주는 특징에서 기인한다. SVM은 또한 이상치(outlier) 제거나 잡음(noise)에 대해 비교적 강인한 특성을 가지고 있으며, 커널 함수(kernel function)를 통해 Non-linear한 데이터 분포도 효과적…