自己適応型データシフトによる一クラスSVMのハイパーパラメータ選択

• 異常検知における一クラスSVMは重要な手法です。
• 本研究では、データシフトを用いた新しいハイパーパラメータ選択法を提案します。
• 自己適応型アプローチにより、より効果的なモデル構築が可能です。

異常検知は多くの分野で重要な課題ですが、一クラスSVMの性能はハイパーパラメータに大きく依存します。本論文では、自己適応型データシフトを利用して、ハイパーパラメータ選択の新しい手法を提案します。このアプローチにより、異常検知の精度向上が期待されます。機械学習や異常検知に関心のある研究者に特におすすめです。

機械学習や異常検知に興味がある研究者や実務者に向いています。