Máquina de Vectores de Soporte Robusta
La Máquina de Vectores de Soporte Robusta (Robust SVM) extiende la máquina de vectores de soporte estándar para resistir la influencia de valores atípicos y puntos mal etiquetados. Al reemplazar la pérdida bisagra (hinge loss) con una función de pérdida acotada o no convexa — o al incorporar restricciones de optimización robusta — aprende un límite de decisión que se distorsiona mucho menos por ejemplos de entrenamiento corruptos, haciéndola adecuada para conjuntos de datos ruidosos del mundo real donde la SVM estándar se degradaría significativamente.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/es/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.
- SVM de una claseAprendizaje automático↔ compare
- Máquina de Vectores de Soporte RegularizadaAprendizaje automático↔ compare
- Gradient Boosting RobustoAprendizaje automático↔ compare
- Regresión Lineal RobustaAprendizaje automático↔ compare
- Robust Random ForestAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →