Maszyna wektorów nośnych (klasyfikacja)
Maszyna wektorów nośnych (SVM), wprowadzona przez Corinnę Cortes i Vladimira Vapnika w 1995 roku, jest klasyfikatorem, który znajduje optymalną hiperpłaszczyznę separującą między klasami w przestrzeni wielowymiarowej. Wybiera granicę, która pozostawia najszerszy możliwy margines do najbliższych punktów treningowych, co sprawia, że jej decyzje są odporne na nowe dane.
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.
+9 more
Źródła
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/pl/machine-learning/svm-classification
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.
- K-Najbliższych SąsiadówUczenie maszynowe↔ compare
- Regresja logistycznaStatystyka w badaniach↔ compare
- Naiwny Klasyfikator BayesowskiUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Regresja wektorów nośnychUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →