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.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Allikad
- 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 ↗
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.
- Autoenkooderiga anomaaliate tuvastamineMasinõpe↔ compare
- Isolation ForestMasinõpe↔ compare
- Kohaliku Outlier Tegur (LOF)Masinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →