One-Class SVM
One-class SVM er en uovervåket algoritme for anomalideteksjon og nyhetsdeteksjon som lærer en stram grense rundt normale treningsdata i et kjernindusert funksjonsrom, og flagger nye observasjoner som faller utenfor denne grensen som uteliggere. Introdusert av Scholkopf et al. i 1999–2001, utvider den SVM-rammeverket til én-klasse-innstillingen der ingen merkede anomalier er tilgjengelige.
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.
+18 more
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 ↗
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/no/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.
- Autoenkoder-anomalideteksjonMaskinlæring↔ compare
- Isolation ForestMaskinlæring↔ compare
- Local Outlier Factor (LOF)Maskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →