Machine learningMachine learning
설명 가능한 단일 클래스 SVM (Explainable One-Class SVM)
설명 가능한 단일 클래스 SVM은 고전적인 단일 클래스 지원 벡터 머신 이상 탐지기 — 레이블이 지정된 이상치 없이 정상 데이터 주위에 촘촘한 경계를 학습하는 — 를 SHAP 또는 LIME과 같은 사후 설명 가능성 방법과 결합하여 각 새로운 데이터 또는 이상치 점수를 유발하는 특징을 밝혀내고, 불투명한 결정 경계를 감사 가능하고 특징에 귀속될 수 있는 신호로 변환합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ko/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.
- 오토인코더 이상 탐지머신러닝↔ compare
- Isolation Forest머신러닝↔ compare
- 지역 이상치 계수 (Local Outlier Factor, LOF)머신러닝↔ compare
- One-Class SVM머신러닝↔ compare