Ensemble Support Vector Machine
Ensemble Support Vector Machine kombinerar flera oberoende tränade SVM-klassificerare eller -regressorer – var och en anpassad till en annan datapartition, bootstrap-sample eller funktionsundergrupp – och aggregerar deras utdata via röstning, medelvärdesbildning eller stapling. Metoden mildrar den höga beräkningskostnaden och känsligheten för kärnhyperparametrar som är inneboende i en enda storskalig SVM, samtidigt som generaliseringen på komplexa eller högdimensionella dataset förbättras.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/sv/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)Maskininlärning↔ compare
- BoostingMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- StackingMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →