Ημι-επιβλεπόμενο SVM Μοναδικής Κλάσης
Το Ημι-επιβλεπόμενο SVM Μοναδικής Κλάσης επεκτείνει τον κλασικό ανιχνευτή ανωμαλιών SVM Μοναδικής Κλάσης ενσωματώνοντας μη επισημασμένες παρατηρήσεις παράλληλα με ένα μικρό σύνολο γνωστών φυσιολογικών παραδειγμάτων. Τα μη επισημασμένα δεδομένα βοηθούν το μοντέλο να μάθει ένα στενότερο, πιο πληροφοριακό όριο απόφασης στον χώρο των χαρακτηριστικών, μειώνοντας τα ψευδώς θετικά και βελτιώνοντας την ανάκληση ανωμαλιών σε σύγκριση με την αμιγώς μη επιβλεπόμενη βάση.
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.
Πηγές
- Munoz, A. & Muruzabal, J. (2004). Self-Organising Maps for Outlier Detection. Neurocomputing, 58–60, 953–956. link ↗
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised One-Class Support Vector Machine. ScholarGate. https://scholargate.app/el/machine-learning/semi-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.
- Ανίχνευση ανωμαλιών με ΑυτοκωδικοποιητήΜηχανική Μάθηση↔ compare
- Διαδικασία ΓκάουςΜηχανική Μάθηση↔ compare
- Isolation ForestΜηχανική Μάθηση↔ compare
- One-Class SVMΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →