摘要

提出了一种支持向量机的变体,通过计算错误分类实例的数量,将经验误差表示为离散度量,并考虑了一个附加项,以降低生成规则的复杂性。这导致了混合整数规划问题的形成,并通过基于连续LP的启发式算法解决。然后,我们设计了一个生成决策树的过程,在该过程中,从所提出的离散SVM的近似解在每个节点处导出多元分割规则。对几个基准数据集和三个大型现实世界营销数据集进行了计算测试。它们表明,我们的分类器比其他众所周知的方法更准确。实验还表明,在决策树算法中,离散SVM占据了连续SVM的主导地位。

您当前没有访问此文章的权限。