Machine de vecteurs de support ensembliste
La machine de vecteurs de support ensembliste (Ensemble Support Vector Machine) combine plusieurs classifieurs ou régresseurs SVM entraînés indépendamment — chacun ajusté sur une partition de données, un échantillon bootstrap ou un sous-ensemble de caractéristiques différent — et agrège leurs sorties par vote, moyennage ou empilement (stacking). Cette approche atténue le coût de calcul élevé et la sensibilité aux hyperparamètres du noyau inhérents à une seule SVM à grande échelle, tout en améliorant la généralisation sur des jeux de données complexes ou de haute dimension.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/fr/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.
- Bagging (Bootstrap Aggregating)Apprentissage automatique↔ compare
- BoostingApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- EmpilementApprentissage automatique↔ compare
- Ensemble par voteApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →