Bayesovský Support Vector Machine
Bayesovský SVM umisťuje apriorní rozdělení na vektor vah standardního SVM a odvozuje plné aposteriorní rozdělení, což umožňuje kalibrované odhady nejistoty, automatický výběr hyperparametrů a pravděpodobnostní predikce. Kombinuje silnou geometrickou intuici SVM založenou na mezích s principielním kvantifikováním nejistoty bayesovského vyvozování.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Polson, N. G., & Scott, S. L. (2011). Data augmentation for support vector machines. Bayesian Analysis, 6(1), 1–23. DOI: 10.1214/11-BA601 ↗
- Tipping, M. E. (2001). Sparse Bayesian learning and the relevance vector machine. Journal of Machine Learning Research, 1, 211–244. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Support Vector Machine (Bayesian SVM). ScholarGate. https://scholargate.app/cs/machine-learning/bayesian-support-vector-machine
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesovská logistická regreseBayesovská statistika↔ compare
- Bayesian Naive BayesStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →