Självövervakad enklass-SVM
Självövervakad enklass-SVM kombinerar inlärning av representationer baserad på föruppgift-uppgifter med enklass-SVM för att upptäcka anomalier och nyheter utan att kräva märkta anomaliexempel. Modellen lär sig först uttrycksfulla feature-inbäddningar enbart från normal data, och anpassar sedan en OC-SVM-gräns i det inlärda feature-utrymmet för att flagga ut-av-distributionen-prov.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Golan, I. & El-Yaniv, R. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 1747–1756. link ↗
- Ruff, L., Vandermeulen, R., Goernitz, N., Deecke, L., Siddiqui, S. A., Binder, A., Muller, E. & Kloft, M. (2018). Deep One-Class Classification. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80, 4393–4402. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised One-class Support Vector Machine. ScholarGate. https://scholargate.app/sv/machine-learning/self-supervised-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.
- Autoencoder AnomalidetekteringMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Isolation ForestMaskininlärning↔ compare
- One-class SVMMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-supervised One-class SVMMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →