Online Support Vector Machine
Online SVM tilpasser den klassiske støttevektormaskinen til strømmende eller sekvensielt ankommende data ved å oppdatere beslutningsgrensen ett eksempel om gangen, i stedet for å løse et globalt kvadratisk program. Algoritmer som Pegasos og LASVM gjør dette håndterbart i stor skala, og bevarer SVM-enes marginmaksimerende ånd med sub-lineær tid per oppdatering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/no/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 BoostingMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online logistisk regresjonMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →