Ensemble Support Vector Machine
Ensemble Support Vector Machine เป็นการรวมตัวของตัวจำแนก (classifiers) หรือตัวถดถอย (regressors) ของ SVM ที่ฝึกฝนมาอย่างอิสระหลายตัว — โดยแต่ละตัวจะถูกปรับให้เข้ากับชุดข้อมูลย่อย (data partition) ตัวอย่างแบบบูตสแตรป (bootstrap sample) หรือชุดย่อยของคุณลักษณะ (feature subset) ที่แตกต่างกัน และรวมผลลัพธ์ของพวกมันเข้าด้วยกันผ่านการลงคะแนน (voting) การหาค่าเฉลี่ย (averaging) หรือการวางซ้อน (stacking) แนวทางนี้ช่วยลดต้นทุนการคำนวณที่สูงและความไวต่อไฮเปอร์พารามิเตอร์ของเคอร์เนล (kernel hyperparameters) ที่มีอยู่ใน SVM ขนาดใหญ่เพียงตัวเดียว ในขณะเดียวกันก็ปรับปรุงการสรุปผล (generalisation) บนชุดข้อมูลที่ซับซ้อนหรือมีมิติสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble Support Vector Machine (Aggregated SVM Ensemble). ScholarGate. https://scholargate.app/th/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)การเรียนรู้ของเครื่อง↔ compare
- Boostingการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การซ้อนทับการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare