Semi-supervised One-class SVM
Semi-supervised One-class SVM extinde detectorul clasic de anomalii One-class SVM prin încorporarea observațiilor neetichetate alături de un set mic de exemple normale cunoscute. Datele neetichetate ajută modelul să învețe o graniță de decizie mai strânsă și mai informativă în spațiul caracteristicilor, reducând falsurile pozitive și îmbunătățind detecția anomaliilor comparativ cu metoda de bază pur nesupervizată.
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
- Munoz, A. & Muruzabal, J. (2004). Self-Organising Maps for Outlier Detection. Neurocomputing, 58–60, 953–956. link ↗
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ro/machine-learning/semi-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.
- Detecția anomaliilor cu autoencoderÎnvățare automată↔ compare
- Proces GaussianÎnvățare automată↔ compare
- Isolation ForestÎnvățare automată↔ compare
- SVM pentru o singură clasăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →