Machine learningMachine learning
강건 단일 클래스 SVM
강건 단일 클래스 SVM은 훈련 데이터에 존재하는 중미(heavy-tailed) 잡음 또는 이상치의 영향을 줄이기 위해 트리밍된 목적 함수, 강건한 커널 선택, 오염 허용 손실 함수와 같은 강건성 메커니즘을 통합하여 참신성 및 이상치 탐지를 위한 고전적인 단일 클래스 지원 벡터 머신을 확장합니다. 이를 통해 정상 클래스의 실제 지지(support)를 더 잘 나타내는 결정 경계를 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ko/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.
- 오토인코더 이상 탐지머신러닝↔ compare
- Isolation Forest머신러닝↔ compare
- One-Class SVM머신러닝↔ compare
- 강건한 Isolation Forest머신러닝↔ compare
- 로버스트 서포트 벡터 머신머신러닝↔ compare