One-Class SVM
Το One-class SVM είναι ένας μη επιβλεπόμενος αλγόριθμος ανίχνευσης ανωμαλιών και καινοτομιών που μαθαίνει ένα στενό όριο γύρω από τα κανονικά δεδομένα εκπαίδευσης σε έναν χώρο χαρακτηριστικών που επάγεται από πυρήνα, επισημαίνοντας ως εξωγενείς παρατηρήσεις τις νέες παρατηρήσεις που εμπίπτουν εκτός αυτού του ορίου. Εισήχθη από τους Scholkopf et al. το 1999–2001 και επεκτείνει το πλαίσιο SVM στην περίπτωση της μονής κλάσης όπου δεν υπάρχουν διαθέσιμες επισημασμένες ανωμαλίες.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/el/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.
- Ανίχνευση ανωμαλιών με ΑυτοκωδικοποιητήΜηχανική Μάθηση↔ compare
- Isolation ForestΜηχανική Μάθηση↔ compare
- Τοπικός Παράγοντας Εκτός Τροχιάς (LOF)Μηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →