Machine learningMachine learning

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.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

+18 more

Zdroje

  1. 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
  2. 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.

Compare side by side

Odkazuje sem

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Získáno 2026-06-15 z https://scholargate.app/cs/machine-learning/one-class-svm · Datová sada: https://doi.org/10.5281/zenodo.20539026