Robust One-Class SVM
Robust One-Class SVM rozširuje klasický One-Class Support Vector Machine na detekciu noviniek a anomálií začlenením mechanizmov robustnosti — ako sú orezané ciele, robustné voľby jadra alebo funkcie straty tolerujúce kontamináciu — ktoré znižujú vplyv ťažkých chvostov šumu alebo extrémnych hodnôt prítomných v tréningových dátach, čím sa získa rozhodovacia hranica, ktorá lepšie reprezentuje skutočnú podporu normálnej triedy.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/sk/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.
- Detekcia anomálií pomocou autoenkóderovStrojové učenie↔ compare
- Isolation ForestStrojové učenie↔ compare
- Jednotriedny SVMStrojové učenie↔ compare
- Robustný izolačný les (Robust Isolation Forest)Strojové učenie↔ compare
- Robust Support Vector MachineStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →