Ensemble Support Vector Machine
Ensemble Support Vector Machine kombinuje viacero nezávisle trénovaných klasifikátorov alebo regresorov SVM — každý natrénovaný na inej dátovej partícii, bootstrap vzorke alebo podmnožine príznakov — a agreguje ich výstupy pomocou hlasovania, spriemerovania alebo stohovania. Tento prístup zmierňuje vysoké výpočtové náklady a citlivosť na hyperparametre jadra, ktoré sú vlastné jedinému rozsiahlemu SVM, pričom zlepšuje generalizáciu na komplexných alebo vysokodimenzionálnych dátových súboroch.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Kim, H.-C., Pang, S., Je, H.-M., Kim, D., & Bang, S. Y. (2002). Constructing support vector machine ensemble. Pattern Recognition, 36(12), 2757–2767. DOI: 10.1016/s0031-3203(03)00175-4 ↗
- Dietterich, T. G. (2000). Ensemble methods in machine learning. In Multiple Classifier Systems (MCS 2000), Lecture Notes in Computer Science, vol. 1857, pp. 1–15. Springer. DOI: 10.1007/3-540-45014-9_1 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/sk/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)Strojové učenie↔ compare
- BoostingStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- StackingStrojové učenie↔ compare
- Hlasovacie zoskupenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →