Machine learningMachine learning

מכונת וקטורים תומכים חסינה

מכונת וקטורים תומכים חסינה (Robust SVM) מרחיבה את מכונת וקטורים תומכים הסטנדרטית כדי לעמוד בפני השפעתם של חריגים ונקודות מתויגות באופן שגוי. על ידי החלפת פונקציית ההפסד (hinge loss) בפונקציית הפסד חסומה או לא קמורה — או על ידי שילוב אילוצי אופטימיזציה חסינים — היא לומדת גבול החלטה שמעוות פחות על ידי דוגמאות אימון פגומות, מה שהופך אותה למתאימה למערכי נתונים רועשים מהעולם האמיתי שבהם SVM סטנדרטי היה מתדרדר משמעותית.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510. link
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateRobust Support Vector Machine (Robust Support Vector Machine (Outlier-Resistant SVM)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/robust-support-vector-machine · מערך נתונים: https://doi.org/10.5281/zenodo.20539026