Training a Support Vector Machine in the Primal

Chapelle, O

doi:10.1162/neco.2007.19.5.1155

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Zeitschriftenartikel

Training a Support Vector Machine in the Primal

MPG-Autoren

/persons/resource/persons83855

Chapelle, O
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;
Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen

https://www.mitpressjournals.org/doi/pdf/10.1162/neco.2007.19.5.1155
(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

Chapelle, O. (2007). Training a Support Vector Machine in the Primal. Neural computation, 19(5), 1155-1178. doi:10.1162/neco.2007.19.5.1155.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-CE73-F

Zusammenfassung

Most literature on Support Vector Machines (SVMs) concentrate on
the dual optimization problem. In this paper, we would like to point out that the primal problem can also be solved efficiently, both for linear and non-linear SVMs, and that there is no reason for ignoring this possibilty.
On the contrary, from the primal point of view new families of algorithms for large scale SVM training can be investigated.