SVM Uniclas Unic (Explainable One-Class SVM)
Explainable One-Class SVM combină detectorul clasic de anomalii One-Class Support Vector Machine — care învață o graniță strânsă în jurul datelor normale fără a necesita anomalii etichetate — cu metode post-hoc de explicabilitate precum SHAP sau LIME pentru a dezvălui ce caracteristici determină scorul fiecărei noutăți sau anomalii, transformând o graniță de decizie opacă într-un semnal audibil, atribuibil caracteristicilor.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Schölkopf, B., Williamson, R., Smola, A., Shawe-Taylor, J., & Platt, J. (1999). Support vector method for novelty detection. Advances in Neural Information Processing Systems, 12, 582–588. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ro/machine-learning/explainable-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.
- Detecția anomaliilor cu autoencoderÎnvățare automată↔ compare
- Isolation ForestÎnvățare automată↔ compare
- Factorul local de aberație (LOF)Învățare automată↔ compare
- SVM pentru o singură clasăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →