Ensemble One-Class SVM (Ensemble-One-Class-SVM)
Ensemble One-Class SVM kombiniert mehrere One-Class Support Vector Machine (OC-SVM)-Modelle – jedes trainiert auf einer anderen zufälligen Teilmenge der Daten oder Merkmale – und aggregiert deren Anomalie-Scores. Durch die Bündelung mehrerer OC-SVM-Grenzschätzungen reduziert das Ensemble die Empfindlichkeit gegenüber der Kernel-Wahl und der Datenstichprobe, die einen einzelnen OC-SVM beeinträchtigt, und liefert einen stabileren und genaueren Detektor für Neuheiten oder Ausreißer.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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. (2001). Combining one-class classifiers. In Multiple Classifier Systems (MCS 2001), Lecture Notes in Computer Science, vol 2096. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-48219-9_30 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/de/machine-learning/ensemble-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.
- Autoencoder-AnomalieerkennungMaschinelles Lernen↔ compare
- Isolation ForestMaschinelles Lernen↔ compare
- One-Class SVMMaschinelles Lernen↔ compare
- Voting EnsembleMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →