Robust Support Vector Machine

Robust SVM memperluas support vector machine standar untuk menahan pengaruh pencilan (outlier) dan titik yang salah label. Dengan mengganti hinge loss dengan fungsi kerugian (loss function) yang terbatas atau non-konveks — atau dengan memasukkan kendala optimasi robust — ia mempelajari batas keputusan yang jauh lebih sedikit terdistorsi oleh contoh pelatihan yang rusak, membuatnya cocok untuk kumpulan data dunia nyata yang berisik di mana SVM standar akan menurun secara signifikan.