SVM de Uma Classe Robusto
O SVM de Uma Classe Robusto (Robust One-Class SVM) estende a Máquina de Vetores de Suporte de Uma Classe (One-Class Support Vector Machine) clássica para detecção de novidades e anomalias, incorporando mecanismos de robustez — como objetivos aparados, escolhas de kernel robustas ou funções de perda tolerantes à contaminação — que reduzem a influência de ruído de cauda pesada ou outliers presentes nos dados de treinamento, resultando em um limite de decisão que representa melhor o verdadeiro suporte da classe normal.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/pt/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.
- Detecção de Anomalias com AutoencoderAprendizado de máquina↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- One-Class SVMAprendizado de máquina↔ compare
- Robust Isolation ForestAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte RobustaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →