Yhden luokan SVM
Yhden luokan SVM on ohjaamaton poikkeama- ja uutuusdetektiöalgoritmi, joka oppii tiukan rajan normaalin harjoitusdatan ympärille kernelin indusoimassa piirreavaruudessa ja merkitsee ulkopuolelle jäävät uudet havainnot poikkeamiksi. Scholkopf et al. esittelivät sen vuosina 1999–2001, ja se laajentaa SVM-kehystä yksiluokkaiseen asetelmaan, jossa merkittyjä poikkeamia ei ole saatavilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/fi/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.
- Autoenkooderin poikkeamien tunnistusKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Local Outlier Factor (LOF)Koneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →