Halb-überwachte Support Vector Machine
Die Semi-supervised Support Vector Machine (S3VM) erweitert die klassische SVM, indem sie große Mengen unmarkierter Daten zusammen mit einem kleinen markierten Trainingsdatensatz einbezieht. Sie sucht eine Hyperebene mit maximalem Rand, die nicht nur die markierten Beispiele trennt, sondern auch durch Regionen geringer Dichte der gesamten Datenverteilung verläuft, was zu einer besseren Generalisierung führt, wenn markierte Stichproben knapp sind.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/de/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 PropagationMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Support Vector Machine (Klassifikation)Maschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →