Polopřeváděné podpůrné vektory (Semi-supervised Support Vector Machine)
Polopřeváděné podpůrné vektory (S3VM) rozšiřují klasické SVM o začlenění velkého množství neoznačených dat spolu s malou označenou trénovací množinou. Hledají nadrovinu s maximálním rozpětím, která nejen odděluje označené příklady, ale také prochází oblastmi nízké hustoty celé distribuce dat, což vede k lepší generalizaci, když jsou označené vzorky vzácné.
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
- Joachims, T. (1999). Transductive Inference for Text Classification using Support Vector Machines. Proceedings of the 16th International Conference on Machine Learning (ICML), 200–209. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/cs/machine-learning/semi-supervised-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.
- Propagace popiskůStrojové učení↔ compare
- Logistická regreseStatistika ve výzkumu↔ compare
- Random ForestStrojové učení↔ compare
- Stroj s podpůrnými vektory (klasifikace)Strojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →