Ensemble Support Vector Machine

Ensemble Support Vector Machine combineert meerdere onafhankelijk getrainde SVM-classificatoren of -regressoren — elk getraind op een andere data-partitie, bootstrap-steekproef of feature-subset — en aggregeert hun outputs via stemming, middeling of stacking. De aanpak vermindert de hoge computationele kosten en gevoeligheid voor kernel-hyperparameters die inherent zijn aan één enkele grootschalige SVM, terwijl de generalisatie op complexe of hoog-dimensionale datasets wordt verbeterd.