Байесовская машина опорных векторов
Байесовская SVM помещает априорное распределение на вектор весов стандартной SVM и выводит полное апостериорное распределение, что позволяет получать калиброванные оценки неопределенности, автоматический выбор гиперпараметров и вероятностные предсказания. Она сочетает сильную геометрическую интуицию SVM, основанную на максимизации зазора, с принципиальным количественным определением неопределенности байесовского вывода.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Polson, N. G., & Scott, S. L. (2011). Data augmentation for support vector machines. Bayesian Analysis, 6(1), 1–23. DOI: 10.1214/11-BA601 ↗
- Tipping, M. E. (2001). Sparse Bayesian learning and the relevance vector machine. Journal of Machine Learning Research, 1, 211–244. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Support Vector Machine (Bayesian SVM). ScholarGate. https://scholargate.app/ru/machine-learning/bayesian-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.
- Байесовская логистическая регрессияБайесовские методы↔ compare
- Байесовский наивный классификаторМашинное обучение↔ compare
- Гауссовский процессМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →