Samoučící se jednoklasový SVM
Samoučící se jednoklasový SVM kombinuje učení reprezentací založené na předtextových úlohách s jednoklasovým SVM pro detekci anomálií a novinek bez nutnosti označených příkladů anomálií. Model nejprve naučí expresivní vnoření příznaků pouze z normálních dat, poté v naučeném prostoru příznaků nastaví hranici OC-SVM k označení vzorků mimo distribuci.
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
- Golan, I. & El-Yaniv, R. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 1747–1756. link ↗
- Ruff, L., Vandermeulen, R., Goernitz, N., Deecke, L., Siddiqui, S. A., Binder, A., Muller, E. & Kloft, M. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 4393–4402. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised One-class Support Vector Machine. ScholarGate. https://scholargate.app/cs/machine-learning/self-supervised-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
- Gaussovský procesStrojové učení↔ compare
- Isolation ForestStrojové učení↔ compare
- One-class SVMStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Polovičně řízené SVM jedné třídyStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →