Ансамбъл от еднокласови SVM (Ensemble One-Class SVM)
Ансамбъл от еднокласови SVM комбинира множество еднокласови машини с опорни вектори — всяка обучена върху различен случаен поднабор от данните или признаците — и агрегира техните аномални оценки. Чрез обединяване на няколко оценки на границата на OC-SVM, ансамбълът намалява чувствителността към избора на ядро и вземането на проби от данни, която засяга единична еднокласова SVM, произвеждайки по-стабилен и точен детектор за новост или аномалии.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Scholkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (2001). Estimating the support of a high-dimensional distribution. Neural Computation, 13(7), 1443–1471. DOI: 10.1162/089976601750264965 ↗
- Tax, D. M. J., & Duin, R. P. W. (2001). Combining one-class classifiers. In Multiple Classifier Systems (MCS 2001), Lecture Notes in Computer Science, vol 2096. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-48219-9_30 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/bg/machine-learning/ensemble-one-class-svm
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.
- Автоенкодер за детекция на аномалииМашинно обучение↔ compare
- Isolation ForestМашинно обучение↔ compare
- Еднокласов SVMМашинно обучение↔ compare
- Гласуваща ансамблова схемаМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →