parameterised classifiers 중에 하나 - 이진분류를 진행하는데, 모든 데이터에 대해서 하나의 선으로 이진 분류가 되지는 않는다. 이런 데이터 셋을 다른 차원에서 바라본다면? 위의 사진 예시처럼 3차원으로 표현해 보았을 때, 가우시안 커널을 적용하며, 다른 차원으로 증강시켜 바라보면 새로운 decision surface가 생길 수 있다! 원래 데이터의 속성과 특징은 유지될 수 있다 커널 메서드 커널을 적용하여 차원을 증강 시킨다! - 여백을 이용한 일반화 능력 향상 신경망에 경우, 목적 함수가 0이 되면 멈추기 때문에 A혹은 C에 도달하면 멈추게 된다. 하지만 SVM의 경우, A혹은 C에서 끝나는 것이 아니라 양쪽 클래스의 여백(margin)이 큰 B를 찾게 된다. -> optimal ..