Robust One-Class SVM
Robust One-Class SVM laiendab klassikalist One-Class Support Vector Machine (ühe klassi tugivektor-masin) meetodit uudiste ja anomaaliate tuvastamiseks, kaasates robustsusmehhanismid – nagu kärbitud sihtfunktsioonid, robustsed tuumavalikud või saastumist taluvad kaotusfunktsioonid –, mis vähendavad treeningandmetes esineva raskete sabadega müra või äärmuslike väärtuste mõju, luues otsustuspiiri, mis esindab paremini normaalse klassi tõelist tuge.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/et/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.
- Autoenkooderiga anomaaliate tuvastamineMasinõpe↔ compare
- Isolation ForestMasinõpe↔ compare
- Üheklassi SVMMasinõpe↔ compare
- Robustne isolatsioonimetsMasinõpe↔ compare
- Robustne tugivektorite masinMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →