꿈라CBT어느 분석가가 원점을 중심으로 동심원 형태로 분포하여 원공간에서는 직선으로 분리할 수 없는 두 클래스의 데이터를 SVM으로 분류하려고 한다. 이와 관련한 설명으로 옳지 않은 것은?
- 1마진은 결정 경계(초평면)와 서포트 벡터 사이의 거리로 정의되며, SVM은 이 마진이 최대가 되는 초평면을 학습한다.
- 2커널 트릭을 이용하면 고차원 특징 공간에서의 좌표를 명시적으로 계산하지 않고도 두 데이터 간 내적 값을 구할 수 있어 효율적인 학습이 가능하다.
- 3적절한 커널 함수를 적용하면 이 동심원 데이터도 변환된 특징 공간에서 하나의 초평면으로 분리할 수 있다.
- 4RBF 커널과 같은 커널 함수는 복잡한 고차원 데이터를 저차원 특징 공간으로 사상하여 결정 경계를 단순화함으로써 분류를 가능하게 한다.