Ensemble Support Vector Machine (Ensemble-Stützvektor-Maschine)
Eine Ensemble Support Vector Machine kombiniert mehrere unabhängig trainierte SVM-Klassifikatoren oder -Regressoren – jeder angepasst an eine andere Datenpartition, Bootstrap-Stichprobe oder Merkmalsuntermenge – und aggregiert deren Ausgaben mittels Abstimmung, Mittelwertbildung oder Stacking. Der Ansatz mildert die hohen Rechenkosten und die Empfindlichkeit gegenüber Kernel-Hyperparametern, die einem einzelnen, großskaligen SVM innewohnen, und verbessert gleichzeitig die Generalisierung auf komplexen oder hochdimensionalen Datensätzen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/de/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)Maschinelles Lernen↔ compare
- BoostingMaschinelles Lernen↔ compare
- Random ForestMaschinelles Lernen↔ compare
- StackingMaschinelles Lernen↔ compare
- Voting EnsembleMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →