Регуляризована машина опорних векторів
Регуляризована машина опорних векторів (RSVM) розширює класичну SVM шляхом явного контролю компромісу між максимізацією поля допуску та помилками навчання за допомогою параметра регуляризації L1 або L2. Формулювання з м'яким полем допуску, представлене Кортесом і Вапніком у 1995 році, саме по собі є регуляризованою моделлю, а пізніші варіанти L1-SVM додатково сприяють розрідженості ознак, уможливлюючи автоматичний відбір змінних у високорозмірних умовах.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Cortes, C. & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–297. DOI: 10.1007/BF00994018 ↗
- Zhu, J., Rosset, S., Tibshirani, R. & Hastie, T. (2004). 1-norm support vector machines. Advances in Neural Information Processing Systems (NIPS), 16. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized Support Vector Machine (L1/L2-penalized SVM). ScholarGate. https://scholargate.app/uk/machine-learning/regularized-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.
- Lasso-регресіяМашинне навчання↔ compare
- Лінійний дискримінантний аналіз (LDA)Машинне навчання↔ compare
- Регуляризована лінійна регресіяМашинне навчання↔ compare
- Регуляризована логістична регресіяМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →