Tiešsaistes vienas klases SVM
Tiešsaistes vienas klases SVM (Online One-Class SVM) ir klasiskās vienas klases atbalsta vektoru mašīnas (One-Class Support Vector Machine) inkrementāls paplašinājums, kas atjaunina savu lēmuma robežu, jauniem datiem ienākot pa vienam paraugam, padarot to piemērotu straumēšanas vidēm un reāllaika anomāliju vai jaunumu noteikšanai bez atkārtotas apmācības no nulles.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Laskov, P., Gehl, C., Krueger, S., & Muller, K.-R. (2006). Incremental support vector learning: Analysis, implementation and applications. Journal of Machine Learning Research, 7, 1909–1936. link ↗
- Scholkopf, B., Williamson, R., Smola, A., Shawe-Taylor, J., & Platt, J. (1999). Support vector method for novelty detection. Advances in Neural Information Processing Systems (NIPS), 12, 582–588. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Online One-Class Support Vector Machine. ScholarGate. https://scholargate.app/lv/machine-learning/online-one-class-svm
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- AutoencoderDziļā mācīšanās↔ salīdzināt
- Isolation ForestMašīnmācīšanās↔ salīdzināt
- Lokālā novirzes faktors (LOF)Mašīnmācīšanās↔ salīdzināt
- Vienas klases SVMMašīnmācīšanās↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →