Ensemble Support Vector Machine
Ensemble Support Vector Machine apvieno vairākus neatkarīgi apmācītus SVM klasifikatorus vai regresorus — katru, kas pielāgots atšķirīgai datu daļai, bootstrap paraugam vai iezīmju apakškopai — un apkopo to izvades, izmantojot balsošanu, vidējo vērtību vai kraušanu. Pieeja mazina augstās aprēķinu izmaksas un jutīgumu pret kodola hiperpārРаметрами, kas raksturīgi vienam liela mēroga SVM, vienlaikus uzlabojot vispārināšanu sarežģītos vai augstdimensionālos datu kopumos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/lv/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)Mašīnmācīšanās↔ compare
- PastiprināšanaMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- StackingMašīnmācīšanās↔ compare
- Balsošanas ansamblisMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →