Ensemble One-Class SVM
Ensemble One-Class SVM combina molteplici modelli one-class support vector machine — ciascuno addestrato su un diverso sottoinsieme casuale dei dati o delle feature — e aggrega i loro punteggi di anomalia. Combinando diverse stime del confine OC-SVM, l'ensemble riduce la sensibilità alla scelta del kernel e al campionamento dei dati che affligge una singola one-class SVM, producendo un rilevatore di novità o outlier più stabile e accurato.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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. (2001). Combining one-class classifiers. In Multiple Classifier Systems (MCS 2001), Lecture Notes in Computer Science, vol 2096. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-48219-9_30 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/it/machine-learning/ensemble-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.
- Rilevamento anomalie con autoencoderApprendimento automatico↔ compare
- Isolation ForestApprendimento automatico↔ compare
- One-Class SVMApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →