Makineria e Vektorit Mbështetës të Rregulluar
Makineria e Vektorit Mbështetës (SVM) e Rregulluar zgjeron SVM klasik duke kontrolluar në mënyrë të shprehur kompromisin midis maksimizimit të marzhit dhe gabimit të trajnimit përmes një parametri ndëshkimi L1 ose L2. Formulimi i marzhit të butë (soft-margin) i prezantuar nga Cortes dhe Vapnik në 1995 është vetë një model i rregulluar, dhe më vonë variantet L1-SVM promovojnë më tej rrallësinë e tipareve, duke mundësuar përzgjedhjen automatike të variablave në cilësime me dimensionalitet të lartë.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Regularized Support Vector Machine (L1/L2-penalized SVM). ScholarGate. https://scholargate.app/sq/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.
- Regresioni LassoMësimi i makinës↔ compare
- Analiza Diskriminuese Lineare (LDA)Mësimi i makinës↔ compare
- Regresioni linear i rregulluarMësimi i makinës↔ compare
- Regresioni logjistik i rregulluarMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →