Support Vector Machine (Klassifikation)
Die Support Vector Machine (SVM), eingeführt von Corinna Cortes und Vladimir Vapnik im Jahr 1995, ist ein Klassifikator, der in einem hochdimensionalen Raum die optimale trennende Hyperebene zwischen Klassen findet. Sie wählt die Grenze, die den größtmöglichen Abstand zu den nächstgelegenen Trainingspunkten lässt, was ihre Entscheidungen auf neuen Daten robust macht.
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.
+9 more
Quellen
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/de/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-Nearest NeighborsMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Naive BayesMaschinelles Lernen↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Support Vector RegressionMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →