Support Vector Machine (Klassificering)
Support Vector Machine, introducerad av Corinna Cortes och Vladimir Vapnik 1995, är en klassificerare som hittar det optimala separerande hyperplanet mellan klasser i ett högdimensionellt rum. Den väljer den gräns som lämnar den bredast möjliga marginalen till de närmaste träningspunkterna, vilket gör dess beslut robusta på nya data.
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.
+9 more
Källor
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/sv/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.
- K-Närmaste GrannarMaskininlärning↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Naiv BayesMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Support Vector RegressionMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →