Objašnjivi jednoklasni SVM
Objašnjivi jednoklasni SVM (Explainable One-Class SVM) spaja klasični detektor anomalija jednoklasnog SVM-a — koji uči usku granicu oko normalnih podataka bez potrebe za označenim anomalijama — s post-hoc metodama objašnjivosti kao što su SHAP ili LIME kako bi se otkrilo koji značajke pokreću rezultat svake novosti ili anomalije, pretvarajući neprozirnu granicu odluke u signal koji se može revidirati i pripisati značajkama.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Schölkopf, B., Williamson, R., Smola, A., Shawe-Taylor, J., & Platt, J. (1999). Support vector method for novelty detection. Advances in Neural Information Processing Systems, 12, 582–588. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/hr/machine-learning/explainable-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.
- Detekcija anomalija pomoću autoenkoderaStrojno učenje↔ compare
- Izolacijska šumaStrojno učenje↔ compare
- Lokalni faktor odstupanja (LOF)Strojno učenje↔ compare
- Jednoklasni SVMStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →