一般損失最小化に基づくカーネル識別器の学習(この論文は研究会登録者以外の方は購入できません)
スポンサーリンク
概要
- 論文の詳細を見る
本稿では、カーネル識別器の新しい学習手法を提案する。まず、任意の損失や事前確率を扱えるように、ベイズ決定理論に基づいた一般損失最小化 (GLM) と呼ぶ新しい学習基準を提案し、本学習基準をカーネル識別器の設計に適用することで新しいカーネル識別器の学習手法を導出する。次に、ソフトマージン SVM もまた GLM の枠組みによって導出できることを示し、提案手法との共通点と相違点を明らかにする。人工データ及び UCI Machine Learning Repository の実データを用いた実験によって、提案手法が SVM よりも少ないモデル自由度で同等以上の識別精度を実現することを確認する。
- 2011-08-29
論文 | ランダム
- W.ペティの経済学-上- (斎藤晴造教授停年退官記念号)
- 利子論〔最終講義〕
- 恐慌論の課題
- 「貨幣の資本への転化」について : 降旗節雄君の批評に答える
- 市場価値について : 山本二三丸氏の批評に答える