Itseohjautuva yhden luokan SVM
Itseohjautuva yhden luokan SVM yhdistää esitehtäväpohjaisen esitysoppimisen yhden luokan SVM:ään havaitakseen poikkeamia ja uutuuksia ilman merkittyjä poikkeusesimerkkejä. Malli oppii ensin ilmeikkäitä piirreesityksiä pelkästään normaaleista tiedoista, ja sovittaa sitten OC-SVM-rajan opitussa piirreavaruudessa merkitäkseen jakaumasta poikkeavat näytteet.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Golan, I. & El-Yaniv, R. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 1747–1756. link ↗
- Ruff, L., Vandermeulen, R., Goernitz, N., Deecke, L., Siddiqui, S. A., Binder, A., Muller, E. & Kloft, M. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 4393–4402. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised One-class Support Vector Machine. ScholarGate. https://scholargate.app/fi/machine-learning/self-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.
- Autoenkooderin poikkeamien tunnistusKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Yhden luokan SVMKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puolivalvottu yhden luokan SVMKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →