Ensemble One-Class SVM
Ensemble One-Class SVM kombinuje viacero modelov one-class support vector machine – každý natrénovaný na inom náhodnom podvzorku dát alebo príznakov – a agreguje ich skóre anomálií. Združovaním viacerých odhadov hraníc OC-SVM sa znižuje citlivosť na voľbu jadra a vzorkovanie dát, ktoré postihuje jeden one-class SVM, čím sa produkuje stabilnejší a presnejší detektor noviniek alebo odľahlých hodnôt.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/sk/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.
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
- Hlasovacie zoskupenieStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →