読まなくてよい前置き
GANだとかBERTだとか，いっぱい色々なモデルが最近出ますよね．これらだけでなく，一般ピーポーではもはや意味不明なモデルも乱立し，もう僕も全部を追いきれません．しかし機械学習の基本がなんであるか，という事を理解するのにSVMはすごく適していますし，未だ現役だと思うので，今更ながら記事に残そうと思ったわけです．
2018年にDeep learningが華開き，ファーストデータからエンドまでを一気通貫で行い，機械に特徴量を見つけてもらうという手法がもはや基本となっている節を感じます．学習の際のモデルやパラメータ設定は2019年現在人の手で行っていますが，この規則の決め方も深層学習しようという動きがあります．
その中でどうして今更SVMなんてするのか? という疑問にお答えします。Deep learningがここまで進化した以上，SVMの役目は分類にしかないと思っています．回帰，連続な値の予測，画像処理にもはやSVMの役目はないでしょう．マシーンパワーで学習させた方が手っ取り早いというのが世相です．実際誰も最近やってないと思いますし．SVMの強みは分類にあり，加えて特徴量をある程度分かっているという状況に於いて，未だSVMはDeep learning的手法よりも手際が良いと思います．それ故に今更感のあるSVMの理論を整理してWebに残しておこうと思います．特に2値分類に関しては，2019年5月現在最高の精度を出します(知らんけど，偉い先生がそう言ってた)．なので2値分類ならまずSVMを試してもいいんじゃないでしょうか．
ということでドキュメントにしてあるので、そちらを参照してください。
今回は以上です。お疲れ様でした。
