Ensemble One-Class SVM
L'Ensemble One-Class SVM combina múltiples models de màquines de vectors de suport d'una sola classe —cadascun entrenat en un subconjunt aleatori diferent de les dades o característiques— i agrega les seves puntuacions d'anomalia. En agrupar diverses estimacions del límit d'OC-SVM, l'ensemble redueix la sensibilitat a l'elecció del nucli i al mostreig de dades que afecta una sola màquina de vectors de suport d'una sola classe, produint un detector de novetats o valors atípics més estable i precís.
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 ↗
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/ca/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.
- Detecció d'anomalies amb autoencodersAprenentatge automàtic↔ compare
- Isolation ForestAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- Votació en conjuntAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →