SVM Uniclasse de Conjunto
SVM Uniclasse de Conjunto combina múltiplos modelos de máquina de vetores de suporte uniclasse — cada um treinado em um subconjunto aleatório diferente dos dados ou características — e agrega suas pontuações de anomalia. Ao agrupar várias estimativas de fronteira OC-SVM, o conjunto reduz a sensibilidade à escolha do kernel e à amostragem de dados que afeta uma única SVM uniclasse, produzindo um detector de novidade ou outlier mais estável e preciso.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/es/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.
- Detección de anomalías con autoencoderAprendizaje automático↔ compare
- Isolation ForestAprendizaje automático↔ compare
- SVM de una claseAprendizaje automático↔ compare
- Ensamble de votaciónAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →