Félfelügyelt egyosztályú SVM
A félfelügyelt egyosztályú SVM (Semi-supervised One-class SVM) a klasszikus egyosztályú SVM anomália detektort egészíti ki, címkézetlen megfigyelésekkel, kevés ismert normál példány mellett. A címkézetlen adatok segítik a modellt egy szorosabb, informatívabb döntési határ tanulásában a jellemzőtérben, csökkentve az álpozitívokat és javítva az anomáliák felismerési arányát a tisztán felügyelet nélküli alapmodellhez képest.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Munoz, A. & Muruzabal, J. (2004). Self-Organising Maps for Outlier Detection. Neurocomputing, 58–60, 953–956. link ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised One-Class Support Vector Machine. ScholarGate. https://scholargate.app/hu/machine-learning/semi-supervised-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
- Gauss-folyamatGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- One-Class SVMGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →