用于二分类的 Soft-SVM 回归
机器学习
2022-05-25 v1 机器学习
摘要
二项偏差和 SVM 铰链损失函数是机器学习中应用最广泛的两种损失函数。尽管它们有许多相似之处，但在处理不同类型数据时也各有优势。在这项工作中，我们基于使用柔化参数和类分离参数的铰链损失函数的凸松弛，引入了一种新的指数族。这一新族被称为 Soft-SVM，使我们能够指定一个广义线性模型，有效地在逻辑回归和 SVM 分类之间架起桥梁。该新模型具有可解释性，并避免了数据可分性问题，通过柔化参数自动调整数据标签可分性，从而获得良好的拟合和预测性能。这些结果通过模拟和案例研究在经验上得到证实，我们比较了正则化逻辑回归、SVM 和 Soft-SVM 回归，并得出结论：所提出的模型在分类和预测误差方面均表现良好。
引用
@article{arxiv.2205.11735,
title = {Soft-SVM Regression For Binary Classification},
author = {Man Huang and Luis Carvalho},
journal= {arXiv preprint arXiv:2205.11735},
year = {2022}
}
备注
13pages,8figures