Selgitatav üheklassiline SVM
Selgitatav üheklassiline SVM ühendab klassikalise üheklassilise tugivektoranalüüsi (One-Class SVM) anomaaliadetektori — mis õpib normaalseid andmeid piiritlema ilma märgistatud anomaaliateta — post-hoc selgitatavusmeetoditega nagu SHAP või LIME, et paljastada, millised tunnused juhivad iga uudsuse või anomaalia skoori, muutes läbipaistmatu otsustuspiiri auditeeritavaks, tunnustele omistatavaks signaaliks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Schölkopf, B., Williamson, R., Smola, A., Shawe-Taylor, J., & Platt, J. (1999). Support vector method for novelty detection. Advances in Neural Information Processing Systems, 12, 582–588. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/et/machine-learning/explainable-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.
- Autoenkooderiga anomaaliate tuvastamineMasinõpe↔ compare
- Isolation ForestMasinõpe↔ compare
- Kohaliku Outlier Tegur (LOF)Masinõpe↔ compare
- Üheklassi SVMMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →