Robust Support Vector Machine
Robust SVM розширює стандартну машину опорних векторів для стійкості до впливу викидів та неправильно розмічених точок. Замінюючи втрату шарніра (hinge loss) на обмежену або незвісну функцію втрат — або шляхом включення обмежень робастної оптимізації — вона навчає межу прийняття рішень, яка значно менше спотворюється пошкодженими навчальними прикладами, що робить її придатною для зашумлених реальних наборів даних, де стандартна SVM деградувала б суттєво.
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
- Xu, H., Caramanis, C., & Mannor, S. (2009). Robustness and regularization of support vector machines. Journal of Machine Learning Research, 10, 1485–1510. link ↗
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/uk/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.
- One-class SVMМашинне навчання↔ compare
- Регуляризована машина опорних векторівМашинне навчання↔ compare
- Robust Gradient BoostingМашинне навчання↔ compare
- Надійна лінійна регресіяМашинне навчання↔ compare
- Надійний випадковий лісМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →