Online Support Vector Machine
Online SVM tilpasser den klassiske support vector machine til streaming- eller sekventielt ankommende data ved at opdatere beslutningsgrænsen et eksempel ad gangen i stedet for at løse et globalt kvadratisk program. Algoritmer som Pegasos og LASVM gør dette håndterbart i stor skala, idet de bevarer SVM'ens margin-maksimerende ånd med sub-lineær tid per opdatering.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/da/machine-learning/online-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.
- Online Gradient BoostingMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online logistisk regressionMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →