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