Kernel-dependent support vector error bounds

Schölkopf, B; Shawe-Taylor, J; Smola, AJ; Williamson, RC

doi:10.1049/cp:19991092

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Konferenzbeitrag

Kernel-dependent support vector error bounds

MPG-Autoren

Es sind keine MPG-Autoren in der Publikation vorhanden

Externe Ressourcen

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=819549
(Verlagsversion)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Schölkopf, B., Shawe-Taylor, J., Smola, A., & Williamson, R. (1999). Kernel-dependent support vector error bounds. In Ninth International Conference on Artificial Neural Networks ICANN 99 (pp. 103-108). London, UK: Institute of Electrical Engineers.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-E761-2

Zusammenfassung

Model selection in support vector machines is usually carried out by minimizing the quotient of the radius of the smallest enclosing sphere of the data and the observed margin on the training set. We provide a new criterion taking the distribution within that sphere into account by considering the eigenvalue distribution of the Gram matrix of the data. Experimental results on real world data show that this new criterion provides a good prediction of the shape of the curve relating generalization error to kernel width.