Ensemble One-Class SVM (Ансамбль одноклассовых SVM)
Ансамбль одноклассовых SVM объединяет несколько моделей одноклассовых машин опорных векторов (OC-SVM), каждая из которых обучена на случайной подвыборке данных или признаков, и агрегирует их оценки аномальности. Объединяя несколько оценок границ OC-SVM, ансамбль снижает чувствительность к выбору ядра и выборке данных, которая присуща отдельной одноклассовой SVM, обеспечивая более стабильное и точное обнаружение новизны или выбросов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/ru/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.
- Автоэнкодер для обнаружения аномалийМашинное обучение↔ compare
- Isolation ForestМашинное обучение↔ compare
- Одноклассовая SVMМашинное обучение↔ compare
- Голосующая ансамблевая модельМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →