Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 12. 1. 2023
Uzel One-Class SVM© používá výukový algoritmus bez dozoru. Uzel může být použit pro detekci novinku. Bude detekovat měkkou hranici dané sady vzorků a následně klasifikovat nové body jako náležící k dané sadě nebo ne. Tento uzel modelování SVM One-Class se implementuje v jazyce Python a vyžaduje knihovnu scikit-learn© Python .
Podrobnosti o knihovně scikit-learn najdete v tématu Vektorové počítače podpory1.
Karta Modelování na paletě obsahuje uzel One-Class SVM a další uzly Python .
Pozn.: Jedna třída SVM se používá pro outsideru a zjišťování novosti. Ve většině případů doporučujeme použít známou, "normální" datovou sadu pro sestavení modelu, takže algoritmus může nastavit správnou hranici pro dané vzorky. Parametry pro model-jako je nu, gama a jádro-mají výrazně dopad na výsledek. Takže budete možná muset experimentovat s těmito možnostmi, dokud nenajdete optimální nastavení pro vaši situaci.
1Smola, Schölkopf. "A Tutorial on Support Vector Regression." Archive and Computing Archive, vol. 14, ne. 3, August 2004, pp. 1992-22. (http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.114.4288)