Robust Support Vector Machine

Robust SVM utvider standard support vector machine for å motstå innflytelsen fra uteliggere og feilmerkede punkter. Ved å erstatte hengseltapet (hinge loss) med en begrenset eller ikke-konveks tapsfunksjon – eller ved å inkorporere robuste optimaliseringsbegrensninger – lærer den en beslutningsgrense som er langt mindre forvrengt av korrupte treningseksempler, noe som gjør den egnet for støyende datasett fra den virkelige verden der standard SVM ville degradert betydelig.