ماشین بردار پشتیبان منظمشده
ماشین بردار پشتیبان منظمشده (Regularized Support Vector Machine) با کنترل صریح مبادله بین بیشینهسازی حاشیه و خطای آموزش از طریق یک پارامتر جریمه L1 یا L2، SVM کلاسیک را گسترش میدهد. فرمولبندی حاشیه نرم که توسط کورتس و واپینک در سال ۱۹۹۵ معرفی شد، خود یک مدل منظمشده است و واریانتهای بعدی L1-SVM علاوه بر این، پراکندگی ویژگی را ترویج میکنند و انتخاب خودکار متغیر را در تنظیمات با ابعاد بالا ممکن میسازند.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Regularized Support Vector Machine (L1/L2-penalized SVM). ScholarGate. https://scholargate.app/fa/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.
- رگرسیون لسویادگیری ماشین↔ compare
- تحلیل تشخیصی خطی (LDA)یادگیری ماشین↔ compare
- رگرسیون خطی منظم شدهیادگیری ماشین↔ compare
- رگرسیون لجستیک منظمشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →