Mașină cu Vectori de Suport Regularizată
Mașina cu Vectori de Suport Regularizată extinde SVM-ul clasic prin controlul explicit al compromisului dintre maximizarea marjei și eroarea de antrenament, printr-un parametru de penalizare L1 sau L2. Formulația cu marjă moale introdusă de Cortes și Vapnik în 1995 este ea însăși un model regularizat, iar variantele ulterioare L1-SVM promovează suplimentar sparsitatea caracteristicilor, permițând selecția automată a variabilelor în seturi de date de înaltă dimensionalitate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Regularized Support Vector Machine (L1/L2-penalized SVM). ScholarGate. https://scholargate.app/ro/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.
- Regresia LassoÎnvățare automată↔ compare
- Analiza Discriminantă Liniară (LDA)Învățare automată↔ compare
- Regresia Liniară RegularizatăÎnvățare automată↔ compare
- Regresia logistică regularizatăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →