Metodbevispost
Active learning One-class SVM
Active Learning One-class SVM combines the one-class support vector machine — a kernel-based novelty detector that learns the boundary of normal data — with an active learning loop that selects the most informative unlabeled instances for expert annotation. The result is a data-efficient anomaly detector that improves its decision boundary with minimal labeling effort.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Active Learning with One-Class Support Vector Machine
Taxonomisk metodpost · ml-model / machine-learning
- Schölkopf, B., Platt, J. C., Shawe-Taylor, J., Smola, A. J., & Williamson, R. C. (1999). Estimating the Support of a High-Dimensional Distribution. Neural Computation, 13(7), 1443–1471. · DOI 10.1162/089976601750264965
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. · URL
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.