Робастная одноклассовая SVM (Robust One-Class SVM)
Робастная одноклассовая SVM расширяет классическую одноклассовую машину опорных векторов для обнаружения новизны и аномалий, включая механизмы робастности — такие как усечённые целевые функции, робастные варианты ядер или функции потерь, толерантные к зашумлению — которые снижают влияние тяжёлых хвостов шума или выбросов, присутствующих в обучающих данных, формируя границу принятия решений, которая лучше отражает истинную поддержку нормального класса.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/ru/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.
- Автоэнкодер для обнаружения аномалийМашинное обучение↔ compare
- Isolation ForestМашинное обучение↔ compare
- Одноклассовая SVMМашинное обучение↔ compare
- Устойчивый Isolation ForestМашинное обучение↔ compare
- Робастная машина опорных векторовМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →