Пояснюваний One-Class SVM
Пояснюваний One-Class SVM поєднує класичний детектор аномалій One-Class Support Vector Machine (SVM) — який вивчає щільну межу навколо нормальних даних без потреби в розмічених аномаліях — із методами пост-хок пояснюваності, такими як SHAP або LIME, щоб виявити, які ознаки зумовлюють кожен показник новизни чи аномалії, перетворюючи непрозору межу прийняття рішень на аудитований сигнал, що приписується ознакам.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Explainable One-Class Support Vector Machine. ScholarGate. https://scholargate.app/uk/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.
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- Локальний коефіцієнт викидів (LOF)Машинне навчання↔ compare
- One-class SVMМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →