Pusgadīgi uzraudzīta viena klases SVM
Pusgadīgi uzraudzīta viena klases SVM (Semi-supervised One-class SVM) paplašina klasisko viena klases SVM anomāliju detektoru, iekļaujot neiezīmētus novērojumus līdzās nelielam skaitam zināmu normālu piemēru. Neiezīmētie dati palīdz modelim apgūt stingrāku, informatīvāku lēmumu robežu funkciju telpā, samazinot viltus pozitīvos rezultātus un uzlabojot anomāliju atklāšanu salīdzinājumā ar pilnīgi neuzraudzītu bāzes līniju.
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
- Munoz, A. & Muruzabal, J. (2004). Self-Organising Maps for Outlier Detection. Neurocomputing, 58–60, 953–956. link ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised One-Class Support Vector Machine. ScholarGate. https://scholargate.app/lv/machine-learning/semi-supervised-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
- Gausa processMašīnmācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →