Метод опорних векторів (класифікація)
Метод опорних векторів (Support Vector Machine, SVM), представлений Корінною Кортес і Володимиром Вапніком у 1995 році, є класифікатором, який знаходить оптимальну розділову гіперплощину між класами у багатовимірному просторі. Він обирає межу, яка залишає якомога ширший відступ до найближчих точок навчання, що робить його рішення стійкими на нових даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+9 more
Джерела
- Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI: 10.1007/BF00994018 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Support Vector Machine (SVM — Classification). ScholarGate. https://scholargate.app/uk/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.
- К-найближчі сусідиМашинне навчання↔ compare
- Логістична регресіяСтатистика досліджень↔ compare
- Наївний БайєсМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Регресія на основі опорних векторівМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →