Półnadzorowana maszyna wektorów nośnych
Półnadzorowana maszyna wektorów nośnych (S3VM) rozszerza klasyczną SVM poprzez włączenie dużej ilości danych nieetykietowanych obok małego zbioru treningowego danych etykietowanych. Dąży ona do znalezienia hiperpłaszczyzny o maksymalnym marginesie, która nie tylko rozdziela przykłady etykietowane, ale także przechodzi przez obszary o niskiej gęstości pełnego rozkładu danych, co prowadzi do lepszej generalizacji, gdy próbki etykietowane są rzadkie.
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
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/pl/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.
- Propagacja etykietUczenie maszynowe↔ compare
- Regresja logistycznaStatystyka w badaniach↔ compare
- Random ForestUczenie maszynowe↔ compare
- Maszyna wektorów nośnych (klasyfikacja)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →