ماشین بردار پشتیبان گروهی (Ensemble Support Vector Machine)
ماشین بردار پشتیبان گروهی (Ensemble SVM) چندین طبقهبند یا رگرسور SVM را که به طور مستقل آموزش دیدهاند — هر کدام بر روی یک بخش داده، نمونه بوت استرپ، یا زیرمجموعه ویژگی متفاوت — ترکیب میکند و خروجیهای آنها را از طریق رأیگیری، میانگینگیری، یا انباشتگی (stacking) تجمیع میکند. این رویکرد هزینه محاسباتی بالا و حساسیت به ابرپارامترهای هسته (kernel) ذاتی در یک SVM بزرگ مقیاس منفرد را کاهش میدهد، در حالی که تعمیمپذیری را در مجموعه دادههای پیچیده یا با ابعاد بالا بهبود میبخشد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/fa/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.
- بگینگ (تجمیع بوتاسترپ)یادگیری ماشین↔ compare
- بوستینگیادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- چیدمانیادگیری ماشین↔ compare
- مجموعه رأیگیرییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →