ScholarGate
Assistent
Machine learningMachine learning

One-Class SVM

One-class SVM ist ein unüberwachter Algorithmus zur Anomalie- und Neuheitserkennung, der eine enge Grenze um normale Trainingsdaten in einem kernel-induzierten Merkmalsraum lernt und neue Beobachtungen, die außerhalb dieser Grenze liegen, als Ausreißer kennzeichnet. Eingeführt von Scholkopf et al. in den Jahren 1999–2001, erweitert er das SVM-Framework auf den Ein-Klassen-Fall, bei dem keine gelabelten Anomalien verfügbar sind.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

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

+18 more

Quellen

  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

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/de/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

Referenziert von

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Abgerufen am 2026-06-15 von https://scholargate.app/de/machine-learning/one-class-svm · Datensatz: https://doi.org/10.5281/zenodo.20539026