SVM bayesià d'una classe
L'SVM bayesià d'una classe combina la clàssica màquina de vectors de suport d'una classe — que aprèn un límit estret al voltant dels exemples d'entrenament normals — amb inferència bayesiana per produir estimacions de probabilitat calibrades d'anomalia, en lloc d'un simple indicador binari. Això permet la quantificació de la incertesa sobre la decisió de novetat, fent que l'enfocament sigui més adequat quan les accions posteriors depenen de la confiança del model en què una nova observació és anòmala.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
- Tipping, M. E. (2001). Sparse Bayesian learning and the relevance vector machine. Journal of Machine Learning Research, 1, 211–244. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ca/machine-learning/bayesian-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.
- Detecció d'anomalies amb autoencodersAprenentatge automàtic↔ compare
- Processià Gaussian BayesàAprenentatge automàtic↔ compare
- Processos GaussianosAprenentatge automàtic↔ compare
- Isolation ForestAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- Robust One-Class SVMAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →