Support Vector Machine (Klassifikation)
Support Vector Machine (SVM), introduceret af Corinna Cortes og Vladimir Vapnik i 1995, er en klassifikator, der finder det optimale separerende hyperplan mellem klasser i et højdimensionelt rum. Den vælger den grænse, der efterlader den bredest mulige margin til de nærmeste træningspunkter, hvilket gør dens beslutninger robuste på nye data.
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.
+9 more
Kilder
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/da/machine-learning/svm-classification
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.
- K-Nærmeste NaboerMaskinlæring↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Naive BayesMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Support Vector RegressionMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →