Bayesian One-Class SVM
Bayesian one-class SVM kombinuje klasický one-class support vector machine — který se učí těsnou hranici kolem normálních trénovacích příkladů — s Bayesovskou inferencí k produkci kalibrovaných pravděpodobnostních odhadů anomálie, namísto pouze binárního příznaku. To umožňuje kvantifikaci nejistoty nad rozhodnutím o novosti, čímž je přístup vhodnější, když následné akce závisí na tom, jak si je model jistý, že nová pozorování jsou anomální.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/cs/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.
- Detekce anomálií pomocí autoenkodéruStrojové učení↔ compare
- Bayesovský Gaussovský procesStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
- Isolation ForestStrojové učení↔ compare
- One-class SVMStrojové učení↔ compare
- Robust One-Class SVMStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →