预算约束下的对偶 SVM 训练
机器学习
2018-06-28 v1 机器学习
摘要
我们提出了一种用于支持向量机训练的对偶子空间上升算法，该算法满足限制支持向量数量的预算约束。预算方法能够在保持高精度的同时有效减少核 SVM 的训练时间。迄今为止，预算训练仅适用于原始（基于 SGD 的）求解器。像序列最小优化这样的对偶子空间上升方法因其对问题结构的良好适应性、快速收敛率以及实际速度而颇具吸引力。通过将预算约束引入对偶算法，我们的方法兼具两者之长。我们展示了相较原始预算训练方法的显著加速。
引用
@article{arxiv.1806.10182,
title = {Dual SVM Training on a Budget},
author = {Sahar Qaadan and Merlin Schüler and Tobias Glasmachers},
journal= {arXiv preprint arXiv:1806.10182},
year = {2018}
}