Ensemble Support Vector Machine
Ensemble Support Vector Machine kombinuje více nezávisle trénovaných klasifikátorů nebo regresorů SVM — každý natrénovaný na jiné datové podmnožině, bootstrapovém vzorku nebo podmnožině příznaků — a agreguje jejich výstupy hlasováním, průměrováním nebo skládáním. Tento přístup zmírňuje vysoké výpočetní náklady a citlivost na hyperparametry jádra, které jsou vlastní jednomu rozsáhlému SVM, a zároveň zlepšuje generalizaci na složitých nebo vícerozměrných datasetech.
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
- Kim, H.-C., Pang, S., Je, H.-M., Kim, D., & Bang, S. Y. (2002). Constructing support vector machine ensemble. Pattern Recognition, 36(12), 2757–2767. DOI: 10.1016/s0031-3203(03)00175-4 ↗
- Dietterich, T. G. (2000). Ensemble methods in machine learning. In Multiple Classifier Systems (MCS 2000), Lecture Notes in Computer Science, vol. 1857, pp. 1–15. Springer. DOI: 10.1007/3-540-45014-9_1 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/cs/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)Strojové učení↔ compare
- ZesilováníStrojové učení↔ compare
- Random ForestStrojové učení↔ compare
- StackingStrojové učení↔ compare
- Hlasovací ansámblStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →