带松弛重缩放的快速可扩展结构SVM
机器学习
2015-10-29 v2
摘要
我们提出了一种用于训练松弛重缩放(slack-rescaled)结构SVM的高效方法。尽管在边际重缩放(margin-rescaled)公式中寻找最违反标签通常很容易，因为目标函数可关于结构分解，但松弛重缩放公式则不然，寻找最违反标签可能非常困难。我们的核心贡献是：给定一个能返回（稍加修改的）边际重缩放公式中最违反标签的预言机(oracle)，在此基础上提出一种在松弛重缩放公式中寻找最违反标签的高效方法。我们表明，该方法能够实现松弛重缩放SVM的精确且可扩展的训练，与先前松弛重缩放SVM的方法相比，运行时间减少了一个数量级。
引用
@article{arxiv.1510.06002,
title = {Fast and Scalable Structural SVM with Slack Rescaling},
author = {Heejin Choi and Ofer Meshi and Nathan Srebro},
journal= {arXiv preprint arXiv:1510.06002},
year = {2015}
}