Објашнјиви једнокласни СВМ
Објашнјиви једнокласни СВМ (Експлаинабле Оне-Цласс СВМ) комбинује класични детектор аномалија Једнокласни СВМ (Оне-Цласс Суппорт Вецтор Мацхине) — који учи уску границу око нормалних података без потребе за означеним аномалијама — са пост-хок методама објашнјивости као што су СХАП или ЛИМЕ како би се открило које карактеристике покреćу сваку оцену новости или аномалије, претварајуćи непрозирну границу одлуке у сигнал који се може ревидирати и приписати карактеристикама.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/sr/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.
- Autoenkoderska detekcija anomalijaMašinsko učenje↔ compare
- Isolation ForestMašinsko učenje↔ compare
- Lokalni faktor odstupanja (LOF)Mašinsko učenje↔ compare
- Jednoklasni SVMMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →