Robust Support Vector Machine
Robust SVM laajentaa standardia tukivektorikonetta vastustamaan poikkeamien ja virheellisesti luokiteltujen pisteiden vaikutusta. Korvaamalla saranahäviö rajatulla tai ei-kuperalla häviöfunktiolla – tai sisällyttämällä robustin optimoinnin rajoitteita – se oppii päätösrajan, joka vääristyy huomattavasti vähemmän vioittuneiden opetusnäytteiden vaikutuksesta, tehden siitä sopivan kohinaisiin reaalimaailman aineistoihin, joissa standardi SVM heikkenisi merkittävästi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/fi/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.
- Yhden luokan SVMKoneoppiminen↔ compare
- Regularized Support Vector MachineKoneoppiminen↔ compare
- Robust gradient boostingKoneoppiminen↔ compare
- Robust Linear RegressionKoneoppiminen↔ compare
- Robust Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →