One-class SVM
One-class SVM — це алгоритм навчання без учителя для виявлення аномалій та новизни, який навчає щільну межу навколо нормальних тренувальних даних у просторі ознак, індукованому ядром, позначаючи нові спостереження, що виходять за межі цієї межі, як викиди. Запропонований Scholkopf et al. у 1999–2001 роках, він розширює структуру SVM до однокласного налаштування, де доступні мічені аномалії відсутні.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). One-Class Support Vector Machine (Novelty and Anomaly Detection). ScholarGate. https://scholargate.app/uk/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.
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- Локальний коефіцієнт викидів (LOF)Машинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →