Magyarázható egyosztályú SVM
A magyarázható egyosztályú SVM (Explainable One-Class SVM) a klasszikus egyosztályú támogatott vektorgép (One-Class Support Vector Machine) anomália detektort – amely címkézett anomáliák nélkül tanul meg szoros határt a normál adatok köré – olyan utólagos magyarázhatósági módszerekkel párosítja, mint a SHAP vagy a LIME, hogy feltárja, mely jellemzők generálják az egyes újdonságokat vagy anomália pontszámokat, így egy átláthatatlan döntési határ auditálható, jellemzőkhöz köthető jellel alakul át.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/hu/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.
- Autoencoder alapú anomáliadetektálásGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- Lokális Outlier Faktor (LOF)Gépi tanulás↔ compare
- One-Class SVMGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →