Metodin todisteiden tietue
Active learning One-class SVM
Active Learning One-class SVM combines the one-class support vector machine — a kernel-based novelty detector that learns the boundary of normal data — with an active learning loop that selects the most informative unlabeled instances for expert annotation. The result is a data-efficient anomaly detector that improves its decision boundary with minimal labeling effort.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Active Learning with One-Class Support Vector Machine
Taksonominen metoditietue · ml-model / machine-learning
- Schölkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (1999). Estimating the Support of a High-Dimensional Distribution. Neural Computation, 13(7), 1443–1471. · DOI 10.1162/089976601750264965
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.