Метод опорных векторов (классификация)
Метод опорных векторов (SVM), предложенный Корриной Кортес и Владимиром Вапником в 1995 году, представляет собой классификатор, который находит оптимальную разделяющую гиперплоскость между классами в многомерном пространстве. Он выбирает границу, оставляющую максимально возможный зазор до ближайших точек обучения, что делает его решения устойчивыми на новых данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Источники
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/ru/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.
- Метод K ближайших соседейМашинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Наивный БайесМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Регрессия на основе опорных векторовМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →