ScholarGate
Assistent
Machine learningMachine learning

One-Class SVM

One-class SVM is een onbewaakt algoritme voor anomalie- en nieuwheidsdetectie dat een strakke grens leert rond normale trainingsdata in een door een kernel geïnduceerde feature space, waarbij nieuwe observaties die buiten die grens vallen als uitschieters worden aangemerkt. Het werd geïntroduceerd door Scholkopf et al. in 1999–2001 en breidt het SVM-raamwerk uit naar de single-class setting waar geen gelabelde anomalieën beschikbaar zijn.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

The neighbourhood of related methods — select a node to explore.

+18 more

Bronnen

  1. 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
  2. Tax, D. M. J., & Duin, R. P. W. (2004). Support vector data description. Machine Learning, 54(1), 45–66. DOI: 10.1023/B:MACH.0000008084.60811.49

Deze pagina citeren

ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/nl/machine-learning/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.

Compare side by side

Geciteerd door

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/machine-learning/one-class-svm · Gegevensset: https://doi.org/10.5281/zenodo.20539026