Machine learningMachine learning

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.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  1. Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510. link
  2. 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.

Compare side by side

Odkazujú sem

ScholarGateRobust Support Vector Machine (Robust Support Vector Machine (Outlier-Resistant SVM)). Získané 2026-06-15 z https://scholargate.app/sk/machine-learning/robust-support-vector-machine · Dátová sada: https://doi.org/10.5281/zenodo.20539026