Apprentissage actif avec SVM univarié
L'apprentissage actif avec SVM univarié (One-class SVM) combine la machine à vecteurs de support univariée — un détecteur de nouveauté basé sur des noyaux qui apprend la frontière des données normales — avec une boucle d'apprentissage actif qui sélectionne les instances non étiquetées les plus informatives pour une annotation experte. Le résultat est un détecteur d'anomalies efficace en termes de données qui améliore sa frontière de décision avec un minimum d'effort d'étiquetage.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Active Learning with One-Class Support Vector Machine. ScholarGate. https://scholargate.app/fr/machine-learning/active-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.
- Apprentissage actifApprentissage automatique↔ compare
- Isolation ForestApprentissage automatique↔ compare
- SVM à une classeApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →