Regularisert støttevektormaskin
Regularisert støttevektormaskin utvider den klassiske SVM ved eksplisitt å kontrollere avveiningen mellom marginmaksimering og treningsfeil gjennom en L1- eller L2-straffeparameter. Den myke marginformuleringen introdusert av Cortes og Vapnik i 1995 er i seg selv en regularisert modell, og senere L1-SVM-varianter fremmer i tillegg trekk-sparsitet, noe som muliggjør automatisk variabelseleksjon i høydimensjonale omgivelser.
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
- Cortes, C. & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. DOI: 10.1007/BF00994018 ↗
- Zhu, J., Rosset, S., Tibshirani, R. & Hastie, T. (2004). 1-norm support vector machines. Advances in Neural Information Processing Systems (NIPS), 16. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Regularized Support Vector Machine (L1/L2-penalized SVM). ScholarGate. https://scholargate.app/no/machine-learning/regularized-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.
- Lasso-regresjonMaskinlæring↔ compare
- Lineær diskriminantanalyse (LDA)Maskinlæring↔ compare
- Regularisert lineær regresjonMaskinlæring↔ compare
- Regulert logistisk regresjonMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →