陈迪荣;吴强;英一鸣;周定轩 支持向量机软边界分类器:错误分析。 (英语) Zbl 1222.68167号 J.马赫。学习。物件。 1143-1175(2004年). 摘要:本文的目的是为支持向量机分类算法-(q)范数软边缘分类器提供PAC错误分析。它由两部分组成:正则化误差和样本误差。虽然有许多技术可用于处理样本误差,但对于再生核Hilbert空间的正则化误差和相应的近似误差知之甚少。我们主要关注正则化误差。它是通过加权(L^{q})空间中的(K)-泛函来估计一般分布的。对于弱可分分布(即,裕度可能为零),通过分离函数提供了令人满意的收敛速度。引入投影算子,特别是对于复杂度较小的核函数,可以得到更好的样本误差估计。错误分类误差受与一般损失函数类(V)相关的(V)风险的限制。克服了限制偏移的困难。用多项式核和高斯核证明了主要结果。正则化参数的选择在我们的分析中起着重要作用。 引用于101文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:支持向量机分类;误分类错误;\(q\)范数软边缘分类器;正则化误差;近似误差 PDF格式BibTeX公司 XML格式引用 \textit{D.-R.Chen}等人,J.Mach。学习。第5号决议,1143--1175(2004年;Zbl 1222.68167) 全文: 链接