ScholarGate
Assistente
Machine learningMachine learning

One-Class SVM

La One-class SVM è un algoritmo di rilevamento di anomalie e novità non supervisionato che apprende un confine stretto attorno ai dati di addestramento normali in uno spazio delle caratteristiche indotto da kernel, segnalando le nuove osservazioni che cadono al di fuori di tale confine come outlier. Introdotta da Scholkopf et al. nel 1999-2001, estende il framework SVM all'impostazione a singola classe in cui non sono disponibili anomalie etichettate.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

+18 more

Fonti

  1. 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
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/it/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.

Compare side by side

Citato da

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/one-class-svm · Insieme di dati: https://doi.org/10.5281/zenodo.20539026