Asymptotically optimal choice of varepsilon-loss for support vector machines

Smola, AJ; Murata, N; Schölkopf, B; Müller, K-R

doi:10.1007/978-1-4471-1599-1_11

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Konferenzbeitrag

Asymptotically optimal choice of varepsilon-loss for support vector machines

MPG-Autoren

Es sind keine MPG-Autoren in der Publikation vorhanden

Externe Ressourcen

https://link.springer.com/content/pdf/10.1007%2F978-1-4471-1599-1_11.pdf
(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

Smola, A., Murata, N., Schölkopf, B., & Müller, K.-R. (1998). Asymptotically optimal choice of varepsilon-loss for support vector machines. In L. Niklasson, M. Boden, & T. Ziemke (Eds.), ICANN 98: 8th International Conference on Artificial Neural Networks, Skövde, Sweden, 2–4 September 1998 (pp. 105-110). Berlin, Germany: Springer.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-E94A-6

Zusammenfassung

Under the assumption of asymptotically unbiased estimators we show that there exists a nontrivial choice of the insensitivity parameter in Vapnik’s ε-insensitive loss function which scales linearly with the input noise of the training data. This finding is backed by experimental results.