Semi-supervised Support Vector Machine
Semi-supervised Support Vector Machine (S3VM) utvider den klassiske SVM ved å inkludere store mengder umerkede data sammen med et lite merket treningssett. Den søker en hyperplan med maksimal margin som ikke bare skiller de merkede eksemplene, men også passerer gjennom regioner med lav tetthet i den fulle datadistribusjonen, noe som gir bedre generalisering når merkede utvalg er knappe.
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
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/no/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 PropagationMaskinlæring↔ compare
- Logistisk regresjonForskningsstatistikk↔ compare
- Random ForestMaskinlæring↔ compare
- Støttevektormaskin (klassifisering)Maskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →