การจำแนกประเภทด้วยเครื่องเวกเตอร์สนับสนุน (Support Vector Machine - Classification)
เครื่องเวกเตอร์สนับสนุน (Support Vector Machine - SVM) ซึ่งนำเสนอโดย Corinna Cortes และ Vladimir Vapnik ในปี 1995 เป็นตัวจำแนกประเภทที่ค้นหาไฮเปอร์เพลน (hyperplane) ที่แบ่งคลาสต่างๆ ได้ดีที่สุดในปริภูมิที่มีมิติสูง โดยเลือกขอบเขตที่เว้นระยะห่าง (margin) กว้างที่สุดเท่าที่จะเป็นไปได้ไปยังจุดข้อมูลฝึกหัดที่ใกล้ที่สุด ซึ่งทำให้การตัดสินใจมีความทนทานต่อข้อมูลใหม่
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
แหล่งอ้างอิง
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/th/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-Nearest Neighborsการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การถดถอยเวกเตอร์สนับสนุนการเรียนรู้ของเครื่อง↔ compare