特雷弗·哈斯蒂;撒哈拉罗塞特;罗伯特·提比拉尼;朱,季 支持向量机的整个正则化路径。 (英语) Zbl 1222.68213号 J.马赫。学习。物件。 5, 1391-1415 (2004). 摘要:支持向量机(SVM)是一种广泛使用的分类工具。对于拟合两类SVM模型,存在许多有效的实现。用户必须提供调整参数的值:正则化代价参数和核参数。通常的做法是使用成本参数的默认值,这通常会导致限制性最小的模型。在本文中,我们认为成本参数的选择至关重要。然后,我们导出了一种算法,该算法可以针对成本参数的每个值拟合SVM解的整个路径,其计算成本与拟合一个SVM模型的计算成本基本相同。我们在一些示例上演示了我们的算法,并使用我们的表示进一步深入了解SVM解的范围。 引用于81文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:支持向量机;正规化;系数路径 软件:风险评估;伦敦银行支持向量机 PDF格式BibTeX公司 XML格式引用 \textit{T.Hastie}等人,J.Mach。学习。第5号决议,1391--1415(2004年;Zbl 1222.68213) 全文: 链接