ScholarGate
Assistente
Machine learningMachine learning

One-Class SVM

One-class SVM é um algoritmo de detecção de anomalias e novidades não supervisionado que aprende um limite apertado em torno dos dados de treinamento normais em um espaço de características induzido por kernel, sinalizando novas observações que caem fora desse limite como outliers. Introduzido por Scholkopf et al. em 1999-2001, ele estende o framework SVM para o cenário de classe única, onde anomalias rotuladas não estão disponíveis.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

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

+18 more

Fontes

  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

Como citar esta página

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

Referenciado por

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Recuperado em 2026-06-15 de https://scholargate.app/pt/machine-learning/one-class-svm · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026