Machine à vecteurs de support semi-supervisée
La Machine à Vecteurs de Support Semi-Supervisée (S3VM) étend la SVM classique en incorporant de grandes quantités de données non étiquetées aux côtés d'un petit ensemble d'entraînement étiqueté. Elle recherche un hyperplan à marge maximale qui non seulement sépare les exemples étiquetés, mais traverse également les régions de faible densité de la distribution complète des données, offrant une meilleure généralisation lorsque les échantillons étiquetés sont rares.
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
- Joachims, T. (1999). Transductive Inference for Text Classification using Support Vector Machines. Proceedings of the 16th International Conference on Machine Learning (ICML), 200–209. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/fr/machine-learning/semi-supervised-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.
- Propagation d'étiquettesApprentissage automatique↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Machine à vecteurs de support (Classification)Apprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →