Machine learningMachine learning
ロバストOne-Class SVM
ロバストOne-Class SVMは、学習データに存在するヘビーテイルノイズや外れ値の影響を低減するロバスト機構（トリミングされた目的関数、ロバストなカーネル選択、汚染耐性のある損失関数など）を組み込むことで、新規性検出および異常検知のための古典的なOne-Class Support Vector Machineを拡張したものであり、正常クラスの真のサポートをより良く表現する決定境界を生成します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ja/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.
- オートエンコーダ異常検知機械学習↔ compare
- アイソレーションフォレスト機械学習↔ compare
- One-Class SVM機械学習↔ compare
- 堅牢なアイソレーションフォレスト機械学習↔ compare
- ロバストサポートベクターマシン機械学習↔ compare