Ensemble One-Class SVM
Ensemble One-Class SVM combina múltiplos modelos de máquina de vetores de suporte de classe única — cada um treinado em um subconjunto aleatório diferente dos dados ou características — e agrega suas pontuações de anomalia. Ao agrupar várias estimativas de fronteira OC-SVM, o ensemble reduz a sensibilidade à escolha do kernel e à amostragem de dados que aflige uma única máquina de vetores de suporte de classe única, produzindo um detector de novidades ou outliers mais estável e preciso.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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. (2001). Combining one-class classifiers. In Multiple Classifier Systems (MCS 2001), Lecture Notes in Computer Science, vol 2096. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-48219-9_30 ↗
Como citar esta página
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/pt/machine-learning/ensemble-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.
- Detecção de Anomalias com AutoencoderAprendizado de máquina↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
- Comitê de VotaçãoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →