Robustní Support Vector Machine
Robustní SVM rozšiřuje standardní Support Vector Machine tak, aby odolával vlivu odlehlých hodnot a chybně označených bodů. Nahrazením hinge loss funkce ohraničenou nebo nekonvexní ztrátovou funkcí — nebo začleněním robustních optimalizačních omezení — se učí rozhodovací hranici, která je mnohem méně zkreslená poškozenými trénovacími příklady, což ji činí vhodnou pro hlučná reálná data, kde by standardní SVM významně degradovalo.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510. link ↗
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/cs/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.
- One-class SVMStrojové učení↔ compare
- Regularizovaný podpůrný vektorový strojStrojové učení↔ compare
- Robustní Gradient BoostingStrojové učení↔ compare
- Robustní lineární regreseStrojové učení↔ compare
- Robustní náhodný les (Robust Random Forest)Strojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →