Online Support Vector Machine
Online SVM past het klassieke support vector machine aan voor streaming of sequentieel binnenkomende data door de beslissingsgrens één voorbeeld per keer bij te werken, in plaats van een globaal kwadratisch programma op te lossen. Algoritmen zoals Pegasos en LASVM maken dit schaalbaar, met behoud van de marge-maximaliserende geest van SVM's met sub-lineaire tijd per update.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/nl/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.
- Online Gradient BoostingMachine learning↔ compare
- Online LerenMachine learning↔ compare
- Online Logistic RegressionMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →