Machine learningMachine learning

Устойчив метод на опорните вектори

Устойчивият метод на опорните вектори (Robust SVM) разширява стандартния метод на опорните вектори, за да устои на влиянието на екстремни стойности и неправилно етикетирани точки. Чрез замяна на загубата тип „панта“ (hinge loss) с ограничена или не-изпъкнала функция на загуба — или чрез включване на ограничения за устойчива оптимизация — той научава граница на решение, която е далеч по-малко изкривена от повредени тренировъчни примери, което го прави подходящ за шумни реални набори от данни, където стандартният SVM би се влошил значително.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Източници

  1. Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510. link
  2. Collobert, R., Sinz, F., Weston, J., & Bottou, L. (2006). Trading convexity for scalability. Proceedings of the 23rd International Conference on Machine Learning (ICML), 201–208. link

Как да цитирате тази страница

ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/bg/machine-learning/robust-support-vector-machine

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.

Compare side by side

Цитиран в

ScholarGateRobust Support Vector Machine (Robust Support Vector Machine (Outlier-Resistant SVM)). Извлечено на 2026-06-15 от https://scholargate.app/bg/machine-learning/robust-support-vector-machine · Набор от данни: https://doi.org/10.5281/zenodo.20539026