文献

J-GLOBAL ID：201502221107859060   整理番号：15A1178030

PAC-Bayes限界理論に基づくSVMモデル選択法【Powered by NICT】

Method of SVM model selection based on PAC-Bayes bound theory

著者 (3件)： Tang Li (Dep. of Information Sci. & Technol., School of Sci. and Technol., Tianjin Univ. of Finance and Economics, Tianjin) ,  Zhao Zheng (School of Computer Sci. and Technol., Tianjin Univ., Tianjin) ,  Gong Xiujun (School of Computer Sci. and Technol., Tianjin Univ., Tianjin Key Lab. of Cognitive Computing and Application, Tianjin)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 51  号： 6  ページ： 27-32  発行年： 2015年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 確率的分類器のためのBayesパラダイムと構造リスク最小化のPAC-Bayesリスク結合積分理論は機械学習アルゴリズムの汎化能力を評価する有効のためのフレームワークと考えられている。SVMのモデル選択の問題を目指して,本論文では,SVMとPAC-Bayes限界とその応用の理論的枠組みを解析し,交差検証に基づくグリッド探索法を用いたPAC-Bayes限界を組み合わせたものである。PAC-Bayes限界(PBB-GS)に基づくモデル選択法が最良のペナルティパラメータとカーネルパラメータを迅速に選択するために提唱される。UCIデータセットの実験結果から,PBB GSによる選択したパラメータは優れた汎化性能を達成するSVMできるという結論を引き出すと,この方法は簡単,迅速かつ正確であり,SVMのモデル選択を効果的に改善できる。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 積分 ,  学習アルゴリズム ,  *汎化
準シソーラス用語： データセット ,  最小化 ,  *モデル選択 , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (5件)： PAC ,  限界 ,  理論 ,  SVM ,  モデル選択