màquina de vectors de suport en línia
L'SVM en línia adapta la màquina de vectors de suport clàssica a dades en flux o que arriben seqüencialment, actualitzant el límit de decisió un exemple alhora en lloc de resoldre un programa quadràtic global. Algorismes com Pegasos i LASVM ho fan tractable a gran escala, preservant l'esperit de maximització del marge dels SVM amb temps sublineal per actualització.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Shalev-Shwartz, S., Singer, Y., Srebro, N., & Cotter, A. (2011). Pegasos: Primal estimated sub-gradient solver for SVM. Mathematical Programming, 127(1), 3–30. DOI: 10.1007/s10107-010-0420-4 ↗
- Bordes, A., Ertekin, S., Weston, J., & Bottou, L. (2005). Fast kernel classifiers with online and active learning. Journal of Machine Learning Research, 6, 1579–1619. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/ca/machine-learning/online-support-vector-machine
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Gradient Boosting en LíniaAprenentatge automàtic↔ compara
- Aprenentatge en líniaAprenentatge automàtic↔ compara
- Regressió Logística en LíniaAprenentatge automàtic↔ compara
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →