Online Support Vector Machine
Az online SVM (Support Vector Machine) a klasszikus SVM-et adaptálja a streamelt vagy szekvenciálisan érkező adatokhoz, a döntési határ példánkénti frissítésével, a globális kvadratikus programozási feladat megoldása helyett. Az olyan algoritmusok, mint a Pegasos és a LASVM, ezt nagyméretarányon is kezelhetővé teszik, megőrizve az SVM-ek margin-maximalizáló szellemét alullineáris idő/frissítés mellett.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/hu/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.
- Online Gradient BoostingGépi tanulás↔ compare
- Online tanulásGépi tanulás↔ compare
- Online logisztikus regresszióGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →