SVM à une classe robuste
Le SVM à une classe robuste (Robust One-Class SVM) étend le classificateur SVM à une classe classique (One-Class Support Vector Machine) pour la détection de nouveautés et d'anomalies en y intégrant des mécanismes de robustesse — tels que des fonctions objectif écrêtées, des choix de noyaux robustes ou des fonctions de perte tolérantes à la contamination — qui réduisent l'influence du bruit à queue lourde ou des valeurs aberrantes présentes dans les données d'entraînement, produisant ainsi une frontière de décision qui représente mieux le véritable support de la classe normale.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/fr/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.
- Détection d'anomalies par auto-encodeurApprentissage automatique↔ compare
- Isolation ForestApprentissage automatique↔ compare
- SVM à une classeApprentissage automatique↔ compare
- Isolation Forest RobusteApprentissage automatique↔ compare
- Machine à vecteurs de support robusteApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →