波德斯,安托万;赛达·厄特金;杰森·韦斯顿;莱昂·博图 具有在线和主动学习功能的快速内核分类器。 (英语) 兹比尔1222.68152 J.马赫。学习。物件。 6, 1579-1619 (2005)。 总结:当训练示例丰富时,理论上非常高维的学习系统成为可能。计算成本成为限制因素。任何有效的学习算法都应该至少简要地看一下每个示例。但是,所有的例子都应该得到同等的重视吗?这篇文章提出了一个经验性的答案。基于这一前提,我们首先提出了一种在线SVM算法。LASVM在对训练示例进行一次遍历后,产生了具有竞争力的误分类率,超过了最先进的SVM求解器。然后,我们展示了主动示例选择如何使用训练示例标签的一小部分生成更快的训练、更高的精度和更简单的模型。 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 软件:伦敦银行支持向量机;SVM灯;LaSVM公司;SVMTorch公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Bordes}等人,J.Mach。学习。第6号决议,1579--1619(2005年;Zbl 1222.68152) 全文: 链接