SVM Kelas-Satu Bayesian
SVM kelas-satu Bayesian menggabungkan mesin vektor sokongan kelas-satu klasik — yang mempelajari sempadan ketat di sekeliling contoh latihan normal — dengan inferens Bayesian untuk menghasilkan anggaran kebarangkalian terkalibrasi bagi anomali, berbanding hanya penanda binari. Ini membolehkan kuantifikasi ketidakpastian ke atas keputusan kebaharuan, menjadikan pendekatan ini lebih sesuai apabila tindakan hiliran bergantung pada keyakinan model bahawa pemerhatian baharu adalah luar biasa.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ms/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.
- Pengesanan Anomali AutoenkoderPembelajaran Mesin↔ compare
- Proses Gaussian BayesianPembelajaran Mesin↔ compare
- Gaussian ProcessPembelajaran Mesin↔ compare
- Isolation ForestPembelajaran Mesin↔ compare
- SVM Kelas TunggalPembelajaran Mesin↔ compare
- SVM Satu Kelas Teguh (Robust One-Class SVM)Pembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →