支持向量数据描述中选择高斯核带宽的峰值准则
机器学习
2017-09-06 v3 应用统计
机器学习
摘要
支持向量数据描述(SVDD)是一种用于单类分类与离群点检测的机器学习技术。带核函数的SVDD公式提供了围绕数据的灵活边界。核函数参数的值影响数据边界的性质。例如，观察到对于高斯核，随着核带宽值降低，数据边界从球形变为波浪形。球形数据边界导致欠拟合，而极度波浪形的数据边界导致过拟合。本文中，我们提出一种经验准则以获取高斯核带宽参数的良好取值。该准则提供平滑边界，捕获数据的本质几何特征。
引用
@article{arxiv.1602.05257,
title = {Peak Criterion for Choosing Gaussian Kernel Bandwidth in Support Vector Data Description},
author = {Deovrat Kakde and Arin Chaudhuri and Seunghyun Kong and Maria Jahja and Hansi Jiang and Jorge Silva},
journal= {arXiv preprint arXiv:1602.05257},
year = {2017}
}