Vysvetliteľný One-Class SVM
Vysvetliteľný One-Class SVM (Explainable One-Class SVM) spája klasický detektor anomálií One-Class Support Vector Machine — ktorý sa učí tesnú hranicu okolo normálnych dát bez potreby označených anomálií — s post-hoc metódami vysvetliteľnosti, ako sú SHAP alebo LIME, aby odhalil, ktoré príznaky poháňajú skóre každej novinky alebo anomálie, čím premieňa nepriehľadnú rozhodovaciu hranicu na auditovateľný signál pripísateľný príznakom.
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., 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/sk/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.
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Local Outlier Factor (LOF)Strojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →