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