Semi-supervised Support Vector Machine
Semi-supervised Support Vector Machine (S3VM) udvider den klassiske SVM ved at inkorporere store mængder umærkede data sammen med et lille mærket træningssæt. Den søger en hyperplan med maksimal margin, der ikke kun adskiller de mærkede eksempler, men også passerer gennem lavdensitetsregioner af den fulde datadistribution, hvilket giver bedre generalisering, når mærkede prøver er knappe.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/da/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.
- Label PropagationMaskinlæring↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Random ForestMaskinlæring↔ compare
- Support Vector Machine (Klassifikation)Maskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →