本稿では,サポートベクトルマシン(SVM)の異常値検出とロバスト学習に関して考察する.この問題に関しては,直接的に異常値を同定してその影響を軽減する(直接的)アプローチとロバストな損失関数を用いて間接的に異常値の影響を軽減する(間接的)アプローチがある.本研究では,この問題に対するパラメトリック計画法を用いた新しいアルゴリズムを提案する.このアルゴリズムを用いると,最も影響の大きなデータ点の重みを連続的に減らしていくときのSVMの最適解パスを計算することができる.簡単な数値実験により提案アルゴリズムの動作を確認し,直接的アプローチおよび間接的アプローチとの関連を議論する.