Bayesian One-Class SVM
Bayesian one-class SVM combineert de klassieke one-class support vector machine — die een strakke grens leert rond normale trainingsvoorbeelden — met Bayesiaanse inferentie om gekalibreerde kansschattingen van anomalie te produceren, in plaats van slechts een binaire vlag. Dit maakt onzekerheidskwantificatie over de nieuwigheidsbeslissing mogelijk, waardoor de aanpak geschikter is wanneer downstream-acties afhankelijk zijn van hoe zeker het model is dat een nieuwe observatie afwijkend is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/nl/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 AnomaliedetectieMachine learning↔ compare
- Bayesian Gaussische ProcesMachine learning↔ compare
- Gaussiaans ProcesMachine learning↔ compare
- Isolation ForestMachine learning↔ compare
- One-Class SVMMachine learning↔ compare
- Robuuste One-Class SVMMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →