Aug, 2007
使用高斯核的支持向量机的快速率
Fast rates for support vector machines using Gaussian kernels
Ingo Steinwart, Clint Scovel
TL;DR针对二元分类问题,本文对带有铰链损失和高斯径向基核的支持向量机建立了学习速率,这些速率是基于两个假设,即 Tsybakov 的噪声假设和一个新的几何噪声条件,前者用于评估小的估计误差,后者用于限制近似误差。与以前用于限定近似误差的概念不同,本文提出的几何噪声条件不需要任何平滑性假设。