Maszyna wektorów nośnych online
Maszyna wektorów nośnych (SVM) online adaptuje klasyczną maszynę wektorów nośnych do danych strumieniowych lub przychodzących sekwencyjnie, aktualizując granicę decyzyjną przykład po przykładzie, zamiast rozwiązywać globalny problem kwadratowy. Algorytmy takie jak Pegasos i LASVM czynią to wykonalnym na dużą skalę, zachowując ducha maksymalizacji marginesu SVM przy czasie sub-liniowym na aktualizację.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Online Support Vector Machine (Incremental SVM for Streaming Data). ScholarGate. https://scholargate.app/pl/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.
- Gradient Boosting OnlineUczenie maszynowe↔ compare
- Uczenie onlineUczenie maszynowe↔ compare
- Regresja logistyczna onlineUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →