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.
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.
+18 more
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. (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.
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Local Outlier Factor (LOF)Strojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →