เปรียบเทียบวิธี

	การสนับสนุนแบบจำลองที่แข็งแกร่ง	การถดถอยเชิงเส้นแบบทนทาน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006–2009	1964–1987
ผู้ริเริ่ม	Xu, H., Caramanis, C., & Mannor, S.	Huber, P. J.; Rousseeuw, P. J.
ประเภท	Robust supervised classifier / regressor	Outlier-resistant supervised regression
แหล่งต้นตำรับ	Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510.	Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101.
ชื่อเรียกอื่น	Robust SVM, RSVM, noise-tolerant SVM, outlier-robust SVM	robust regression, M-estimator regression, Huber regression, outlier-resistant regression
ที่เกี่ยวข้อง	5	5
สรุป	Robust SVM extends the standard support vector machine to resist the influence of outliers and mislabeled points. By replacing the hinge loss with a bounded or non-convex loss function — or by incorporating robust optimization constraints — it learns a decision boundary that is far less distorted by corrupted training examples, making it suitable for noisy real-world datasets where standard SVM would degrade significantly.	Robust linear regression fits a linear model between predictors and a continuous outcome while down-weighting or discarding influential outliers, preventing the few anomalous observations that OLS is famously sensitive to from distorting the entire estimated line. Major variants include Huber regression, iteratively reweighted least squares (IRLS), RANSAC, and Theil-Sen estimation.