Machine learningMachine learning

Jednotriedny SVM

Jednotriedny SVM je bezdozorový algoritmus na detekciu anomálií a noviniek, ktorý sa učí tesnú hranicu okolo normálnych tréningových dát v priestore príznakov indukovanom jadrom, pričom nové pozorovania, ktoré spadajú mimo túto hranicu, označuje ako odľahlé hodnoty. Predstavený Schölkopfom a kol. v rokoch 1999–2001, rozširuje rámec SVM na nastavenie jednej triedy, kde nie sú k dispozícii žiadne označené anomálie.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

+18 more

Zdroje

  1. 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
  2. Tax, D. M. J., & Duin, R. P. W. (2004). Support vector data description. Machine Learning, 54(1), 45–66. DOI: 10.1023/B:MACH.0000008084.60811.49

Ako citovať túto stránku

ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/sk/machine-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.

Compare side by side

Odkazujú sem

ScholarGateOne-class SVM (One-Class Support Vector Machine (Novelty and Anomaly Detection)). Získané 2026-06-15 z https://scholargate.app/sk/machine-learning/one-class-svm · Dátová sada: https://doi.org/10.5281/zenodo.20539026