Robust Support Vector Machine
Robust SVM rozširuje štandardný support vector machine tak, aby odolával vplyvu odľahlých hodnôt a nesprávne označených bodov. Nahradením hinge loss funkcie ohraničenou alebo nekonvexnou stratovou funkciou — alebo začlenením robustných optimalizačných obmedzení — sa naučí rozhodovaciu hranicu, ktorá je oveľa menej skreslená poškodenými tréningovými príkladmi, vďaka čomu je vhodná pre hlučné reálne datasety, kde by štandardný SVM výrazne degradoval.
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
- Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510. link ↗
- Collobert, R., Sinz, F., Weston, J., & Bottou, L. (2006). Trading convexity for scalability. Proceedings of the 23rd International Conference on Machine Learning (ICML), 201–208. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/sk/machine-learning/robust-support-vector-machine
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.
- Jednotriedny SVMStrojové učenie↔ compare
- Regulovaný Support Vector MachineStrojové učenie↔ compare
- Robustný Gradient BoostingStrojové učenie↔ compare
- Robustná lineárna regresiaStrojové učenie↔ compare
- Robust Random ForestStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →