一般損失最小化に基づくカーネル識別器の学習

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

著者

関連論文

スポンサーリンク