Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Дерево рішень× | Метод опорних векторів (класифікація)× | |
|---|---|---|
| Галузь | Машинне навчання | Машинне навчання |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 1984 | 1995 |
| Автор методу≠ | Breiman, Friedman, Olshen & Stone | Cortes, C. & Vapnik, V. |
| Тип≠ | Recursive partitioning (if-then rules) | Maximum-margin classifier (kernel method) |
| Основоположне джерело≠ | Breiman, L., Friedman, J.H., Olshen, R.A. & Stone, C.J. (1984). Classification and Regression Trees. Wadsworth. DOI ↗ | Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI ↗ |
| Інші назви≠ | Karar Ağacı (Decision Tree), karar ağacı, classification tree, regression tree | Destek Vektör Makinesi (SVM — Sınıflandırma), support-vector network, SVM classifier, maximum-margin classifier |
| Пов'язані | 5 | 5 |
| Підсумок≠ | A Decision Tree is an interpretable classification and regression method, formalised by Breiman, Friedman, Olshen and Stone in their 1984 CART framework, that partitions the data with hierarchical if-then rules. Each split sends observations down one branch or another until a prediction is read off the leaf. | The Support Vector Machine, introduced by Corinna Cortes and Vladimir Vapnik in 1995, is a classifier that finds the optimal separating hyperplane between classes in a high-dimensional space. It chooses the boundary that leaves the widest possible margin to the nearest training points, which makes its decisions robust on new data. |
| ScholarGateНабір даних ↗ |
|
|