LS-SVM的GCV模型选择方法与快速算法

被引：2

作者：

陈建东

李娴

王小明

机构：

[1] 上海财经大学统计学系

来源：

系统工程理论与实践 | 2010年 / 30卷 / 01期

关键词：

最小二乘支持向量机; 模型选择; 快速Bootstrap; 快速GCV;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

在最小二乘支持向量机(LS-SVM)的模型选择问题中,基于再抽样技术的模型选择方法(如Bootstrap和快速Bootstrap),不能从根本上解决计算强度过高的问题.提出了基于GCV准则的模型选择方法,并建立了LS-SVM模型超参数(或旋转参数)估计的快速算法.实证研究表明:给出的快速GCV模型选择方法不仅能保证模型的预测精度,而且在计算速度上具有相对于快速Bootstrap的巨大优势.

引用

页码：112 / 118

页数：7

共 4 条

[1] Evaluating the generalization ability of support vector machines through the bootstrap [J].

Anguita, D ;

Boni, A ;

Ridella, S .

NEURAL PROCESSING LETTERS, 2000, 11 (01) :51-58

[2]

Estimating the Dimension of a Model[J] . Gideon Schwarz.The Annals of Statistics . 1978 (2)

[3]

Smoothing noisy data with spline functions[J] . Peter Craven,Grace Wahba.Numerische Mathematik . 1978 (4)

[4]

A study of cross-validation and bootstrap for accuracy estimation and model selection. Kohavai R. Proc of the 14th Int Joint Conf on AI（IJCAI） . 1995

← 1 →