Aktívne učenie s jednovariabilným SVM
Aktívne učenie s jednovariabilným SVM (One-class SVM) kombinuje jednovariabilný SVM — metódu založenú na jadrách na detekciu noviniek, ktorá sa učí hranicu normálnych dát — s cyklom aktívneho učenia, ktorý vyberá najinformatívnejšie neoznačené vzorky na anotáciu expertom. Výsledkom je dátovo efektívny detektor anomálií, ktorý zlepšuje svoju rozhodovaciu hranicu s minimálnym úsilím pri označovaní.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Schölkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (1999). Estimating the Support of a High-Dimensional Distribution. Neural Computation, 13(7), 1443–1471. DOI: 10.1162/089976601750264965 ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Active Learning with One-Class Support Vector Machine. ScholarGate. https://scholargate.app/sk/machine-learning/active-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.
- Aktívne učenieStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →