Robust One-Class SVM
Robust One-Class SVM estén la clàssica One-Class Support Vector Machine per a la detecció de novetats i anomalies, incorporant mecanismes de robustesa — com ara objectius retallats, eleccions de nucli robustes o funcions de pèrdua tolerants a la contaminació — que redueixen la influència del soroll de cua pesada o els valors atípics presents en les dades d'entrenament, produint un límit de decisió que representa millor el suport veritable de la classe normal.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Scholkopf, B., Williamson, R., Smola, A., Shawe-Taylor, J., & Platt, J. (1999). Support vector method for novelty detection. Advances in Neural Information Processing Systems (NeurIPS), 12, 582–588. link ↗
- Liu, Y., Li, Z., & Zhou, C. (2018). Roseq: Robust and efficient one-class SVM for large-scale novelty detection. IEEE Transactions on Neural Networks and Learning Systems, 29(12), 6290–6304. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ca/machine-learning/robust-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.
- Detecció d'anomalies amb autoencodersAprenentatge automàtic↔ compare
- Isolation ForestAprenentatge automàtic↔ compare
- SVM d'una sola classeAprenentatge automàtic↔ compare
- Forest d'Aïllament RobustaAprenentatge automàtic↔ compare
- Support Vector Machine RobustAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →