Mesin Vektor Sokongan Dalam Talian
SVM Dalam Talian menyesuaikan mesin vektor sokongan klasik kepada data penstriman atau data yang tiba secara berurutan dengan mengemas kini sempadan keputusan satu contoh pada satu masa, bukannya menyelesaikan program kuadratik global. Algoritma seperti Pegasos dan LASVM menjadikannya boleh dilaksanakan pada skala besar, mengekalkan semangat pemaksimuman margin SVM dengan masa sub-linear bagi setiap kemas kini.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/ms/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.
- Peningkatkan Cerun Dalam TalianPembelajaran Mesin↔ compare
- Pembelajaran Dalam TalianPembelajaran Mesin↔ compare
- Regresi Logistik Atas TalianPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →