Robusni jednoklasni SVM
Robusni jednoklasni SVM (Robust One-Class SVM) proširuje klasični jednoklasni SVM za detekciju noviteta i anomalija ugradnjom mehanizama robusnosti — kao što su podrezani ciljevi, robusni odabiri jezgre ili funkcije gubitka tolerantne na kontaminaciju — koji smanjuju utjecaj šuma s teškim repom ili izvanrednih vrijednosti prisutnih u podacima za treniranje, dajući graničnu odluku koja bolje predstavlja istinsku potporu normalne klase.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/hr/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.
- Detekcija anomalija pomoću autoenkoderaStrojno učenje↔ compare
- Izolacijska šumaStrojno učenje↔ compare
- Jednoklasni SVMStrojno učenje↔ compare
- Robusni Isolation ForestStrojno učenje↔ compare
- Robusna podrška vektorskim strojevimaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →