Machine à vecteurs de support en ligne
La SVM en ligne adapte la machine à vecteurs de support classique aux données en flux ou arrivant séquentiellement en mettant à jour la frontière de décision exemple par exemple, plutôt qu'en résolvant un programme quadratique global. Des algorithmes tels que Pegasos et LASVM rendent cela réalisable à grande échelle, préservant l'esprit de maximisation de marge des SVM avec un temps sous-linéaire par mise à jour.
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
- Shalev-Shwartz, S., Singer, Y., Srebro, N., & Cotter, A. (2011). Pegasos: Primal estimated sub-gradient solver for SVM. Mathematical Programming, 127(1), 3–30. DOI: 10.1007/s10107-010-0420-4 ↗
- Bordes, A., Ertekin, S., Weston, J., & Bottou, L. (2005). Fast kernel classifiers with online and active learning. Journal of Machine Learning Research, 6, 1579–1619. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/fr/machine-learning/online-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.
- Gradient Boosting en ligneApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Régression logistique en ligneApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →