Jednoklasni SVM
Jednoklasni SVM (One-class SVM) je algoritam za detekciju anomalija i novina bez nadzora, koji u prostoru obeležja indukovanom jezgrom uči tesnu granicu oko normalnih podataka za obuku, označavajući nova zapažanja koja padaju izvan te granice kao autlajere. Uveli su ga Scholkopf et al. 1999–2001. godine, a proširuje SVM okvir na postavku sa jednom klasom gde nisu dostupne obeležene anomalije.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/sr/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.
- Autoenkoderska detekcija anomalijaMašinsko učenje↔ compare
- Isolation ForestMašinsko učenje↔ compare
- Lokalni faktor odstupanja (LOF)Mašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →