Semi-supervised Support Vector Machine
Semi-supervised Support Vector Machine (S3VM) breidt de klassieke SVM uit door grote hoeveelheden ongelabelde data te incorporeren naast een kleine gelabelde trainingsset. Het zoekt een hypervlak met maximale marge dat niet alleen de gelabelde voorbeelden scheidt, maar ook door regio's met lage dichtheid van de volledige datadistributie loopt, wat leidt tot betere generalisatie wanneer gelabelde samples schaars zijn.
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
- Joachims, T. (1999). Transductive Inference for Text Classification using Support Vector Machines. Proceedings of the 16th International Conference on Machine Learning (ICML), 200–209. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/nl/machine-learning/semi-supervised-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.
- Label PropagationMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- Support Vector Machine (Classificatie)Machine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →