Ensemble One-Class SVM
Ensemble One-Class SVM apvieno vairākus vienas klases atbalsta vektoru mašīnu modeļus — katru apmācītu uz atšķirīga nejauša datu vai pazīmju apakškopas — un apkopo to anomāliju rādītājus. Apvienojot vairākus OC-SVM robežu novērtējumus, ansamblis samazina jutīgumu pret kodola izvēli un datu paraugu ņemšanu, kas raksturīga vienai klases SVM, radot stabilāku un precīzāku novitātes vai ārkārtas noteikšanas rīku.
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 ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/lv/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.
- Autoencoder anomāliju noteikšanaMašīnmācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- Balsošanas ansamblisMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →