Máy học vector hỗ trợ mạnh mẽ
Máy học vector hỗ trợ mạnh mẽ (Robust SVM) mở rộng máy học vector hỗ trợ (SVM) tiêu chuẩn để chống lại ảnh hưởng của các điểm ngoại lai và điểm bị gán nhãn sai. Bằng cách thay thế hàm mất mát bản lề (hinge loss) bằng một hàm mất mát bị chặn hoặc không lồi — hoặc bằng cách kết hợp các ràng buộc tối ưu hóa mạnh mẽ — nó học một ranh giới quyết định ít bị biến dạng bởi các ví dụ huấn luyện bị lỗi, làm cho nó phù hợp với các tập dữ liệu thực tế có nhiễu mà SVM tiêu chuẩn sẽ suy giảm đáng kể.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust Support Vector Machine (Outlier-Resistant SVM). ScholarGate. https://scholargate.app/vi/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 SVMHọc máy↔ compare
- Máy học vector hỗ trợ có điều chuẩn (Regularized Support Vector Machine)Học máy↔ compare
- Khuếch đại Gradient Mạnh mẽHọc máy↔ compare
- Hồi quy tuyến tính vữngHọc máy↔ compare
- Rừng Ngẫu nhiên Mạnh mẽHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →