One-Class SVM
Az egységes osztályú SVM egy felügyelet nélküli anomália- és újdonságdetektáló algoritmus, amely egy szoros határolóvonalat tanul a normál tréningadatok körül egy kernel által indukált jellemzőtérben, és a határon kívül eső új megfigyeléseket kiugró értékekként jelöli. A Scholkopf és mtsai által 1999–2001-ben bevezetett módszer kiterjeszti az SVM keretrendszerét az egyetlen osztályú beállításra, ahol nincsenek címkézett anomáliák.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/hu/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.
- Autoencoder alapú anomáliadetektálásGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- Lokális Outlier Faktor (LOF)Gépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →