ماشین بردار پشتیبان (طبقهبندی)
ماشین بردار پشتیبان (Support Vector Machine - SVM)، که توسط کورینا کورتس و ولادیمیر وپنیک در سال ۱۹۹۵ معرفی شد، طبقهبندیکنندهای است که ابرصفحه جداکننده بهینه را بین کلاسها در فضایی با ابعاد بالا پیدا میکند. این روش مرزی را انتخاب میکند که بیشترین حاشیه ممکن را نسبت به نزدیکترین نقاط آموزشی باقی بگذارد، که این امر تصمیمات آن را بر روی دادههای جدید مقاوم میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
منابع
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/fa/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.
- کی-نزدیکترین همسایگانیادگیری ماشین↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- بییز ساده (Naive Bayes)یادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- رگرسیون بردار پشتیبانیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →