SVC (Support Vector Classifier)

1. 개념 & 특징

서포트 벡터 머신(SVM)의 분류 버전
여러 분류기 중 복잡한 데이터 분류에 특히 강함
두 그룹(0/1, 스팸/비스팸 등)을 가장 멀리 나눠주는 경계선을 찾아줌
선형/비선형(곡선) 분류 모두 잘 처리(비선형은 커널 사용)
이상치(outlier)에 강함(특정 소수 샘플이 결정 경계에 영향 줌)
고차원(변수 많은 데이터)에도 강점

2. 언제, 어떻게 많이 쓰나?

복잡하게 꼬인 데이터도 잘 분리
특징(피처) 수가 많고, 변수 관계가 복잡한 데이터 (예: 문서 분류, 얼굴 인식, 신용카드 사기 등)
확실한 경계(마진)로 구분이 필요한 문제
적은 샘플, 많은 차원에서도 효과적

3. 대표 파라미터(옵션)

파라미터	설명/역할	추천값/예시
`C`	오차 허용도(규제 강도):작을수록 엄격, 클수록 유연	1.0(기본), 0.1, 10 등
`kernel`	결정 경계 모양:‘linear’(직선), ‘rbf’(곡선), ‘poly’(다항), ‘sigmoid’	'rbf'(기본), 'linear' 등
`gamma`	곡선 커널의 곡률(=얼마나 예민한지):클수록 복잡	'scale'(기본), 숫자
`degree`	poly 커널의 차수:‘poly’ 커널에서 곡선 복잡도	3(기본)
`probability`	확률 출력 여부(Softmax)	False(기본), True
`class_weight`	각 클래스별 가중치(불균형 데이터 보정)	None(기본), 'balanced'
`random_state`	랜덤 시드 고정	없음, 0, 42 등

SVC 커널(kernel) 종류와 차이

1️⃣ linear (직선 커널)