Robusni jednoklasni SVM
Robusni jednoklasni SVM (Robust One-Class Support Vector Machine) proširuje klasičnu mašinu potpornih vektora sa jednom klasom (One-Class Support Vector Machine) za detekciju novina i anomalija, inkorporirajući mehanizme robusnosti — kao što su skraćene funkcije cilja, robusni izbori kernela ili funkcije gubitka tolerantne na kontaminaciju — koji smanjuju uticaj šuma sa teškim repovima ili autlajera prisutnih u podacima za obuku, dajući granicu odlučivanja koja bolje predstavlja pravu podršku normalne klase.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/sr/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.
- Autoenkoderska detekcija anomalijaMašinsko učenje↔ compare
- Isolation ForestMašinsko učenje↔ compare
- Jednoklasni SVMMašinsko učenje↔ compare
- Робусни изолациони шумаMašinsko učenje↔ compare
- Robust Support Vector MachineMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →