Robuszt Egyosztályú SVM
A Robuszt Egyosztályú SVM (Robust One-Class SVM) a klasszikus Egyosztályú Támogató Vektor Gépet (One-Class Support Vector Machine) bővíti ki az újdonság- és anomáliadetektálás céljából, robusztussági mechanizmusok — mint például a csonkolt célfüggvények, robusztus kernelválasztások vagy szennyezéstűrő veszteségfüggvények — beépítésével. Ezek csökkentik a képzési adatokban jelenlévő, szélsőséges eloszlású zaj vagy kiugró értékek befolyását, ezáltal olyan döntési határvonalat eredményezve, amely jobban reprezentálja a normál osztály valódi tartományát.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/hu/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.
- Autoencoder alapú anomáliadetektálásGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- One-Class SVMGépi tanulás↔ compare
- Robusztus Izolációs ErdőGépi tanulás↔ compare
- Robuszt Támogató Vektor GépGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →