Jednoklasni SVM
Jednoklasni SVM (One-class SVM) je nenadzorovani algoritam za detekciju anomalija i noviteta koji u prostoru značajki induciranom kernelom uči usku granicu oko normalnih podataka za treniranje, označavajući nove promatranja koja padaju izvan te granice kao odstupanja. Predstavljen od strane Scholkopfa i suradnika 1999.–2001., proširuje SVM okvir na postavku jedne klase gdje nisu dostupne označene anomalije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/hr/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.
- Detekcija anomalija pomoću autoenkoderaStrojno učenje↔ compare
- Izolacijska šumaStrojno učenje↔ compare
- Lokalni faktor odstupanja (LOF)Strojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →