은닉변수를 이용한 Latent One-Class SVM

초록

One-class SVM은 데이터가 존재하는 영역을 추출하고, 이 영역을 서포트 벡터로 표현하며 표현된 영역 밖의 데이터들은 아웃라이어(outlier)로 간주된다. 본 논문에서는 데이터 포인트마다 은닉 변수(hidden variable) 혹은 토픽(topic)이 있다고 가정하고, 이를 반영하기 위해 PoMEN에 기반을 둔 Latent One-class SVM을 제안한다. Latent One-class SVM은 베이지안 형태의 학습과 max-margin 형태 학습이 결합된 것으로 학습을 위해 EM 알고리즘과 유사한 학습 알고리즘을 사용하며 내부적으로 기존의 One-class SVM의 학습 알고리즘을 서브루틴으로 사용한다. 실험결과 Latent One-class SVM이 대부분의 구간에서 One-class SVM 보다 성능이 높았으며, 특히 거짓 긍정률이 낮고 참 긍정률이 낮지 않은 구간에서 더욱 효과적임을 알 수 있었다.

키워드