Selv-overvåget Support Vector Machine
En selv-overvåget Support Vector Machine (SVM) kombinerer selv-overvåget forudtræning – læring af repræsentationer fra umærkede data via forudgående opgaver – med en Support Vector Machine-klassifikator trænet på de resulterende features. Denne hybride tilgang muliggør stærk klassifikationsydelse, selv når mærkede data er knappe, ved at udnytte den struktur, der er indlejret i store umærkede datasæt, før SVM'ens margin-maksimeringsmål anvendes.
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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Support Vector Machine (Self-supervised SVM). ScholarGate. https://scholargate.app/da/machine-learning/self-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.
- Kernel PCAMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- Support Vector Machine (Klassifikation)Maskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →