LSTSVR-PI：基于特权信息的最小二乘孪生支持向量回归
机器学习
2024-02-22 v2
摘要
在教育环境中，教师在各种课堂教学模式中扮演着至关重要的角色。类似地，反映人类学习的这一方面，使用特权信息学习（LUPI）范式在训练阶段引入额外信息来指导学习模型。基于特权信息的最小二乘孪生支持向量回归（LSTSVR-PI）提供了一种训练孪生回归模型变体的不同方法，它将LUPI范式集成到最小二乘孪生支持向量回归中，以利用额外的信息源。所提出的LSTSVR-PI求解线性方程组，这增加了模型的效率。此外，我们还基于所提出模型的Rademacher复杂度建立了一个泛化误差界，并融入了结构风险最小化原则。所提出的LSTSVR-PI填补了当代LUPI范式与经典LSTSVR之间的空白。此外，为了评估所提出模型的性能，我们在各种人工生成和真实世界数据集上进行了数值实验，并与基线模型进行了比较。各种实验和统计分析推断出所提出模型的优越性。此外，作为一个应用，我们在时间序列数据集上进行了实验，结果证明了所提出的LSTSVR-PI的优越性。
引用
@article{arxiv.2312.02596,
title = {LSTSVR-PI: Least square twin support vector regression with privileged information},
author = {Anuradha Kumari and M. Tanveer},
journal= {arXiv preprint arXiv:2312.02596},
year = {2024}
}