Ensemble One-Class SVM
Ensemble One-Class SVM เป็นการรวมโมเดล one-class support vector machine (OC-SVM) หลายๆ โมเดลเข้าด้วยกัน โดยแต่ละโมเดลจะถูกฝึกบนชุดข้อมูลย่อยแบบสุ่ม หรือชุดคุณลักษณะย่อยที่แตกต่างกัน และทำการรวมคะแนนความผิดปกติ (anomaly scores) ของโมเดลเหล่านั้นเข้าด้วยกัน การรวมประมาณการขอบเขตของ OC-SVM หลายๆ ตัวเข้าด้วยกัน ช่วยลดความไวต่อการเลือกเคอร์เนล (kernel) และการสุ่มตัวอย่างข้อมูลที่ส่งผลต่อ OC-SVM เพียงตัวเดียว ทำให้ได้ตัวตรวจจับความแปลกใหม่ (novelty) หรือความผิดปกติ (outlier) ที่มีความเสถียรและแม่นยำยิ่งขึ้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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. (2001). Combining one-class classifiers. In Multiple Classifier Systems (MCS 2001), Lecture Notes in Computer Science, vol 2096. Springer, Berlin, Heidelberg. DOI: 10.1007/3-540-48219-9_30 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble of One-Class Support Vector Machines. ScholarGate. https://scholargate.app/th/machine-learning/ensemble-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.
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์การเรียนรู้ของเครื่อง↔ compare
- Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- One-class SVMการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare