Robust One-Class SVM
Robust One-Class SVM paplašinājums klasiskajam One-Class Support Vector Machine (OCSVM) novitātes un anomāliju noteikšanai, iekļaujot robustuma mehānismus — piemēram, apgrieztus mērķus, robustas kodola izvēles vai piesārņojumu tolerējošas zudumu funkcijas —, kas samazina treniņa datos esošā smagā astes trokšņa vai ārkārtējo vērtību ietekmi, radot lēmumu robežu, kas labāk atspoguļo normālās klases patieso atbalstu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/lv/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 anomāliju noteikšanaMašīnmācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Vienas klases SVMMašīnmācīšanās↔ compare
- Robustais izolācijas mežsMašīnmācīšanās↔ compare
- Robustais atbalsta vektoru mašīnas (Robust SVM)Mašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →