Semi-supervised Support Vector Machine
Semi-supervised Support Vector Machine (S3VM) utökar den klassiska SVM genom att inkludera stora mängder oetiketterad data tillsammans med en liten uppsättning märkta träningsdata. Metoden söker ett hyperplan med maximal marginal som inte bara separerar de märkta exemplen utan också passerar genom lågdensitetsregioner av hela datadistributionen, vilket ger bättre generalisering när märkta stickprov är knappa.
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
- Joachims, T. (1999). Transductive Inference for Text Classification using Support Vector Machines. Proceedings of the 16th International Conference on Machine Learning (ICML), 200–209. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Support Vector Machine (S3VM / Transductive SVM). ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-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.
- EtikettpropageringMaskininlärning↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Random ForestMaskininlärning↔ compare
- Support Vector Machine (Klassificering)Maskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →