Samonadzorowany SVM jednej klasy
Samonadzorowany SVM jednej klasy (Self-supervised One-class SVM) łączy uczenie reprezentacji oparte na zadaniach pretekstowych z SVM jednej klasy (One-class SVM) w celu wykrywania anomalii i nowości bez potrzeby etykietowanych przykładów anomalii. Model najpierw uczy się ekspresyjnych osadzeń cech wyłącznie z danych normalnych, a następnie dopasowuje granicę OC-SVM w nauczonej przestrzeni cech, aby oznaczyć próbki spoza rozkładu.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Golan, I. & El-Yaniv, R. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 1747–1756. link ↗
- Ruff, L., Vandermeulen, R., Goernitz, N., Deecke, L., Siddiqui, S. A., Binder, A., Muller, E. & Kloft, M. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 4393–4402. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised One-class Support Vector Machine. ScholarGate. https://scholargate.app/pl/machine-learning/self-supervised-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.
- Detekcja anomalii za pomocą autoenkoderówUczenie maszynowe↔ compare
- Proces GaussaUczenie maszynowe↔ compare
- Isolation ForestUczenie maszynowe↔ compare
- One-Class SVMUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Półnadzorowany SVM Jednej KlasyUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →