ScholarGate
Assistent
Machine learningMachine learning

Üheklassi SVM

Üheklassi SVM on juhendamata anomaaliate ja uudsuste tuvastamise algoritm, mis õpib tugeva piirjoone normaalse treeningandmestiku ümber tuumafunktsiooniga indutseeritud kujutusruumis, märkides uued vaatlused, mis jäävad sellest piirjoonest väljapoole, kõrvalekalleteks. Scholkopf jt poolt 1999–2001 tutvustatud meetod laiendab SVM-i raamistikku üheklassi stsenaariumile, kus märgistatud anomaaliaid pole saadaval.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

+18 more

Allikad

  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

Kuidas sellele lehele viidata

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

Sellele viitavad

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/machine-learning/one-class-svm · Andmestik: https://doi.org/10.5281/zenodo.20539026