Online Support Vector Machine
Online SVM passt die klassische Support-Vektor-Maschine an Daten an, die als Stream oder sequenziell eintreffen, indem die Entscheidungsgrenze einzeln aktualisiert wird, anstatt ein globales quadratisches Programm zu lösen. Algorithmen wie Pegasos und LASVM machen dies in großem Maßstab handhabbar und bewahren den margin-maximierenden Geist von SVMs mit sublinearer Zeit pro Update.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/de/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 BoostingMaschinelles Lernen↔ compare
- Online-LernenMaschinelles Lernen↔ compare
- Online logistische RegressionMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →