Robust Support Vector-maskine

Robust SVM udvider standard support vector machine til at modstå indflydelsen fra outliers og fejlklassificerede punkter. Ved at erstatte hinge loss med en begrænset eller ikke-konveks tabsfuntion — eller ved at inkorporere robuste optimeringsbegrænsninger — lærer den en beslutningsgrænse, der er langt mindre forvrænget af korrupte træningseksempler, hvilket gør den egnet til støjende datasæt fra den virkelige verden, hvor standard SVM ville forringes markant.