【論文100本ノックの74】私の研究開発ツール―第29回―サポートベクターマシン関連ツール SVMLight, LIBSVM, SHOGUN
１ 目 的
点群に関する研究論文を読み、点群処理に関する知識を得るとともに、新たな研究のための気づきを得る。
２ はじめに
100本計画の74本目として、和文4ページの本論文（記事）を読む。
３ 対象論文と要約
3.1 対象論文
私の研究開発ツール―第29回―サポートベクターマシン関連ツール SVMLight, LIBSVM, SHOGUN
柳井啓司 電気通信大学
The Journal of The Institute of Image Information and Television Engineers 63.12 (2009): 1778-1781. 2009
http://ci.nii.ac.jp/naid/110009669470/en
3.2 研究内容
（社会的ニーズ）
なし。
（提案）
SVMのオープンソースソフトウェアとして SVMlight，LIBSVMの二つを解説し，MKLのオープ ンソースソフトウェアとして機械学習ライブラリー SHOGUNについて解説する．
3.3 ツールの概要
（１）SVMLight
・線形カーネルを用いた場合、処理が高速
・半教師あり学習transductiveSVMにも対応
・データ形式は、スパースなベクトル形式
（２）LIBSVM
・通常の2クラス分類に加え、回帰、他クラス分類、外れ値検出に利用可能な1クラス分類にも対応しており、多機能
（３）SHOGUN
・様々な言語から利用可能
・頻繁にバージョンアップされる
（４）その他
画像処理のみならず、豊富な数学関数・行列演算関数も実装されている。
４ 出現用語
５ おわりに
研究者の思いついたアイデアを形にすることで成果が出るというのが、研究の基本であると考える。
その際、アイデアは良いはずなのに、試作品が思うような結果を出してくれないことがある。
その多くは、パラメータ設定が適切でないなどの問題であるが、適切なパラメータは理論的に説明するよりも総当り的にやってから理論づけしてやったほうが、効率的でありまた実例を伴っているため信憑性も高い。
しかし、効率的とは言え、試すパラメータ数によっては労力はばかにならないため、自動化を図ろうと考えるものである。
その際、機械学習は良きツールとなってくれそうである。
６ 今後調査したい事項
