S.Sathiya Keerthi;装饰,丹尼斯 一种改进的有限牛顿法快速求解大规模线性SVM。 (英语) Zbl 1222.68231号 J.马赫。学习。物件。 6, 341-361 (2005). 小结:本文提出了一种快速求解具有(L_{2})损失函数的线性SVM的方法,适用于文本分类等大规模数据挖掘任务。这是通过几种方式修改Mangasarian的有限牛顿法来实现的。实验表明,该方法比分解方法如(文本{SVM}^{text{light}})、SMO和BSVM(例如,4-100倍)的速度快得多,特别是在示例数较多的情况下。本文还提出了将该方法推广到其他损失函数的方法,如修正的Huber损失函数和(L_{1})损失函数,也用于求解序数回归。 引用于29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:线性SVM;分类;共轭梯度 软件:弓;LSQR(LSQR);UCI-毫升;SVM灯 PDF格式BibTeX公司 XML格式引用 \textit{S.S.Keerthi}和\textit{D.Decoste},J.Mach。学习。第6341-361号决议(2005年;Zbl 1222.68231) 全文: 链接