e-距离加权支持向量回归
机器学习
2016-10-28 v4
摘要
我们提出一种称为e-距离加权支持向量回归（e-DWSVR）的新型支持向量回归方法。e-DWSVR专门解决支持向量回归中的两个挑战性问题：第一，含噪数据的处理；第二，如何处理边界数据分布与整体数据分布不同的情况。所提出的e-DWSVR同时优化最小间隔和函数间隔的均值以应对这两个问题。此外，我们采用对偶坐标下降（CD）和平均随机梯度下降（ASGD）策略使e-DWSVR可扩展至大规模问题。我们报告了e-DWSVR在多个基准数据集上与现有方法相比所取得的良好结果。
引用
@article{arxiv.1607.06657,
title = {e-Distance Weighted Support Vector Regression},
author = {Yan Wang and Ge Ou and Wei Pang and Lan Huang and George Macleod Coghill},
journal= {arXiv preprint arXiv:1607.06657},
year = {2016}
}