Ensemble Support Vector Machine
Ensemble Support Vector Machine kombinerer flere uafhængigt trænede SVM-klassifikatorer eller -regressorer — hver tilpasset en forskellig datapartition, bootstrap-stikprøve eller funktionsundergruppe — og aggregerer deres output via afstemning, gennemsnit eller stabling. Tilgangen afbøder de høje beregningsomkostninger og følsomheden over for kernel-hyperparametre, der er iboende i en enkelt storskala SVM, samtidig med at generaliseringen på komplekse eller højdimensionelle datasæt forbedres.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/da/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)Maskinlæring↔ compare
- BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StackingMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →