Robusna podrška vektorskim strojevima
Robusna SVM proširuje standardni potporni vektorski stroj kako bi se oduprla utjecaju izvanrednih vrijednosti (outliers) i pogrešno označenih točaka. Zamjenom funkcije gubitka (hinge loss) ograničenom ili nekonveksnom funkcijom gubitka — ili ugradnjom ograničenja robustne optimizacije — uči se granica odlučivanja koja je znatno manje iskrivljena oštećenim primjerima za treniranje, što je čini prikladnom za bučne skupove podataka iz stvarnog svijeta gdje bi standardni SVM značajno degradirao.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/hr/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.
- Jednoklasni SVMStrojno učenje↔ compare
- Regulirani stroj vektora potporeStrojno učenje↔ compare
- Robusno pojačanje gradijentaStrojno učenje↔ compare
- Robustna linearna regresijaStrojno učenje↔ compare
- Robusna slučajna šumaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →