Pooltreenitud üheklassiline SVM
Pooltreenitud üheklassiline SVM laiendab klassikalist üheklassilise SVM-i anomaldiadetektorit, kaasates lisaks väikesele hulgale tuntud normaalseid näiteid ka märgistamata vaatlusi. Märgistamata andmed aitavad mudelil õppida omandama täpsemat, informatiivsemat otsustuspiiri funktsiooniruumis, vähendades valepositiivseid tulemusi ja parandades anomaaliate tuvastamist võrreldes puhtalt järelevalveta alusmudeliga.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised One-Class Support Vector Machine. ScholarGate. https://scholargate.app/et/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.
- Autoenkooderiga anomaaliate tuvastamineMasinõpe↔ compare
- Gaussi protsessMasinõpe↔ compare
- Isolation ForestMasinõpe↔ compare
- Üheklassi SVMMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →