Bayesiläinen yhden luokan SVM
Bayesiläinen yhden luokan SVM yhdistää klassisen yhden luokan tukivektorikoneen – joka oppii tiukan rajan normaalien harjoitusesimerkkien ympärille – Bayesiläiseen päättelyyn tuottaakseen kalibroituja todennäköisyysarvioita poikkeamista, pelkän binäärisen lipun sijaan. Tämä mahdollistaa epävarmuuden kvantifioinnin uutuuspäätöksen yli, tehden lähestymistavasta sopivamman silloin, kun jatkotoimenpiteet riippuvat mallin varmuudesta uuden havainnon poikkeavuudesta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- Tipping, M. E. (2001). Sparse Bayesian learning and the relevance vector machine. Journal of Machine Learning Research, 1, 211–244. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/fi/machine-learning/bayesian-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.
- Autoenkooderin poikkeamien tunnistusKoneoppiminen↔ compare
- Bayesiläinen Gaussin prosessiKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Yhden luokan SVMKoneoppiminen↔ compare
- Robust One-Class SVMKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →