Bayesiansk One-Class SVM
Bayesiansk one-class SVM kombinerer den klassiske one-class support vector machine – som lærer en tett grense rundt normale treningseksempler – med Bayesiansk inferens for å produsere kalibrerte sannsynlighetsestimater for anomalier, i stedet for bare et binært flagg. Dette tillater usikkerhetskvantifisering over nyhetsbeslutningen, noe som gjør tilnærmingen mer egnet når nedstrøms handlinger avhenger av hvor trygg modellen er på at en ny observasjon er anomal.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian One-Class Support Vector Machine. ScholarGate. https://scholargate.app/no/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.
- Autoenkoder-anomalideteksjonMaskinlæring↔ compare
- Bayesiansk Gaussisk ProsessMaskinlæring↔ compare
- Gaussisk prosessMaskinlæring↔ compare
- Isolation ForestMaskinlæring↔ compare
- One-Class SVMMaskinlæring↔ compare
- Robust One-Class SVMMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →