对 Pinball 损失支持向量机的改进
摘要
近来，已有若干论文讨论了由 Huang 等人[1][2]最初提出的 Pinball 损失支持向量机（Pin-SVM）模型的扩展。Pin-SVM 分类器处理 pinball 损失函数，该函数由参数 τ 定义。参数 τ 可取 [−1,1] 中的值。现有 Pin-SVM 模型需要对 [−1,1] 中所有 τ 值求解相同的优化问题。本文中，我们改进了现有的用于二分类任务的 Pin-SVM 模型。首先，我们指出对于 −1 ≤ τ < 0，Pin-SVM 模型（Huang 等人[1]）存在主要困难。具体而言，我们表明 Pin-SVM 模型需要对 −1 ≤ τ < 0 求解不同的优化问题。我们进一步提出了一个称为统一 Pin-SVM 的统一模型，其产生一个对所有 −1≤ τ ≤ 1 均有效的二次规划问题（QPP），因此更便于使用。所提出的统一 Pin-SVM 模型在准确率上相较现有 Pin-SVM 模型取得显著改进，这已通过对真实世界数据集的广泛数值实验得到经验证实。
关键词
引用
@article{arxiv.2106.01109,
title = {Improvement over Pinball Loss Support Vector Machine},
author = {Pritam Anand and Reshma Rastogi and Suresh Chandra},
journal= {arXiv preprint arXiv:2106.01109},
year = {2021}
}
备注
The numerical results presented in this paper can be regenerated by the code available at https://github.com/ltpritamanand/UnifiedPinSVM/ . We hope that our this work will let the researchers to use the correct formulation of Pin-SVM model in future and improve the predictions across different domain of technologies