ScholarGate
Pembantu
Machine learningMachine learning

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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
  2. 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.

Compare side by side
ScholarGateOnline Support Vector Machine (Online Support Vector Machine (Incremental SVM for Streaming Data)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/online-support-vector-machine · Set data: https://doi.org/10.5281/zenodo.20539026