Regulaarne tugivektorite masin
Regulaarne tugivektorite masin (SVM) laiendab klassikalist SVM-i, kontrollides otseselt kompromissi servomaksimeerimise ja treeningvigade vahel L1- või L2-karistusparameetri abil. Cortes ja Vapnik (1995) poolt tutvustatud pehme servaga formulatsioon on iseenesest regulaarne mudel ning hilisemad L1-SVM variandid soodustavad täiendavalt tunnuste hõredust, võimaldades automaatset muutujate valikut kõrge-dimensioonilistes seadetes.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Cortes, C. & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. DOI: 10.1007/BF00994018 ↗
- Zhu, J., Rosset, S., Tibshirani, R. & Hastie, T. (2004). 1-norm support vector machines. Advances in Neural Information Processing Systems (NIPS), 16. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Regularized Support Vector Machine (L1/L2-penalized SVM). ScholarGate. https://scholargate.app/et/machine-learning/regularized-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.
- Lasso-regressioonMasinõpe↔ compare
- Lineaarne diskriminantanalüüs (LDA)Masinõpe↔ compare
- Regulaarne LineaarregressioonMasinõpe↔ compare
- Regulariseeritud logistiline regressioonMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →