Machine learningMachine learning
온라인 서포트 벡터 머신
온라인 SVM은 고전적인 서포트 벡터 머신을 스트리밍 또는 순차적으로 도착하는 데이터에 적용하여, 전역적인 이차 계획법을 푸는 대신 한 번에 하나의 예제를 사용하여 결정 경계를 업데이트합니다. Pegasos 및 LASVM과 같은 알고리즘은 SVM의 마진 최대화 정신을 유지하면서 대규모에서도 이를 다룰 수 있게 하며, 업데이트당 부분 선형 시간(sub-linear time)을 소요합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →