Robust One-Class SVM
Robust One-Class SVM розширює класичний One-Class Support Vector Machine для виявлення новизни та аномалій шляхом включення механізмів стійкості — таких як обрізані цілі, стійкі до вибору ядра або функції втрат, толерантні до забруднень — які зменшують вплив шуму з важкими хвостами або викидів, присутніх у навчальних даних, створюючи межу прийняття рішень, яка краще представляє справжню основу нормального класу.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust One-Class Support Vector Machine. ScholarGate. https://scholargate.app/uk/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.
- Автокодувальник для виявлення аномалійМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- One-class SVMМашинне навчання↔ compare
- Robust Isolation ForestМашинне навчання↔ compare
- Robust Support Vector MachineМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →