预算约束下的极快核 SVM
机器学习
2017-01-03 v1 机器学习
摘要
在本文中，我们提出了一种在严格预算约束下的快速在线核 SVM 算法。我们提议使用 LVQ 划分输入空间，并在每个簇中训练一个核 SVM。为了实现在线训练，我们提议使用不同策略来限制每个簇的支持向量集大小。实验表明，我们的算法能够实现高精度，同时在训练和评估中每秒处理的样本数量都非常大。
引用
@article{arxiv.1701.00167,
title = {Very Fast Kernel SVM under Budget Constraints},
author = {David Picard},
journal= {arXiv preprint arXiv:1701.00167},
year = {2017}
}