Robust One-Class SVM
Robust One-Class SVM ขยายขอบเขตของ One-Class Support Vector Machine แบบคลาสสิกสำหรับการตรวจจับความแปลกใหม่และสิ่งผิดปกติ โดยการรวมกลไกความทนทานเข้าไว้ด้วย เช่น วัตถุประสงค์ที่ถูกตัดออก (trimmed objectives) การเลือกเคอร์เนลที่ทนทาน หรือฟังก์ชันการสูญเสียที่ทนต่อการปนเปื้อน ซึ่งช่วยลดอิทธิพลของสัญญาณรบกวนที่มีหางหนา (heavy-tailed noise) หรือค่าผิดปกติ (outliers) ที่มีอยู่ในข้อมูลการฝึกอบรม ทำให้ได้ขอบเขตการตัดสินใจที่แสดงถึงแกนหลักของคลาสปกติได้ดียิ่งขึ้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/th/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.
- การตรวจจับความผิดปกติด้วยออโตเอ็นโค้ดเดอร์การเรียนรู้ของเครื่อง↔ compare
- Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- One-class SVMการเรียนรู้ของเครื่อง↔ compare
- Robust Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- การสนับสนุนแบบจำลองที่แข็งแกร่งการเรียนรู้ของเครื่อง↔ compare