SVM d'una sola classe
La SVM d'una sola classe és un algorisme no supervisat de detecció d'anomalies i novetats que aprèn un límit estret al voltant de les dades d'entrenament normals en un espai de característiques induït per un nucli, marcant les noves observacions que cauen fora d'aquest límit com a valors atípics. Introduït per Scholkopf et al. el 1999-2001, estén el marc de la SVM al context d'una sola classe on no hi ha anomalies etiquetades disponibles.
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.
+18 more
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. (2004). Support vector data description. Machine Learning, 54(1), 45–66. DOI: 10.1023/B:MACH.0000008084.60811.49 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/ca/machine-learning/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
- Factor de Valors Atípics Locals (LOF)Aprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →