Convex Cost Functions for Support Vector Regression

Smola, AJ; Schölkopf, B; Müller, K-R

doi:10.1007%2F978-1-4471-1599-1_10.pdf

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Konferenzbeitrag

Convex Cost Functions for Support Vector Regression

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_10.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., Schölkopf, B., & Müller, K.-R. (1998). Convex Cost Functions for Support Vector Regression. In L. Niklasson, M. Bodén, & T. Ziemke (Eds.), ICANN 98: 8th International Conference on Artificial Neural Networks, Skövde, Sweden, 2–4 September 1998 (pp. 99-104). London, UK: Springer.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-E94E-D

Zusammenfassung

The concept of Support Vector Regression is extended to a more general class of convex cost functions. It is shown how the resulting convex constrained optimization problems can be efficiently solved by a Primal-Dual Interior Point path following method. Both computational feasibility and improvement of estimation is demonstrated in the experiments.