Bayesiešu Viens-Klases Atbalsta Vektoru Mašīna
Bayesian one-class SVM apvieno klasisko one-class atbalsta vektoru metodi — kas izveido ciešu robežu ap normāliem apmācības piemēriem — ar Bayesian inferenci, lai radītu kalibrētus novirzes (anomālijas) varbūtības novērtējumus, nevis tikai bināru atzīmi. Tas nodrošina nenoteiktības kvantificēšanu par jaunuma lēmumu, padarot pieeju piemērotāku, kad turpmākās darbības ir atkarīgas no modeļa pārliecības par jaunas novērošanas anomāliju.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
- Tipping, M. E. (2001). Sparse Bayesian learning and the relevance vector machine. Journal of Machine Learning Research, 1, 211–244. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/lv/machine-learning/bayesian-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 anomāliju noteikšanaMašīnmācīšanās↔ compare
- Beijes Gaussian processMašīnmācīšanās↔ compare
- Gausa processMašīnmācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- Robust One-Class SVMMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →