One-class SVM
One-class SVM je bezdozorový algoritmus pro detekci anomálií a novinek, který se učí těsnou hranici kolem normálních trénovacích dat v prostoru příznaků indukovaném jádrem, přičemž nové pozorování, která spadají mimo tuto hranici, označuje jako odlehlé hodnoty. Algoritmus, představený Scholkopfem a kol. v letech 1999–2001, rozšiřuje rámec SVM do nastavení jedné třídy, kde nejsou k dispozici žádné označené anomálie.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
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 ↗
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/cs/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.
- Detekce anomálií pomocí autoenkodéruStrojové učení↔ compare
- Isolation ForestStrojové učení↔ compare
- Lokální faktor odlehlosti (LOF)Strojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →