Efficient computation and model selection for the support vector regression

被引：49

作者：

Gunter, Lacey ^{[1
]}

Zhu, Ji ^{[1
]}

机构：

[1] Univ Michigan, Dept Stat, Ann Arbor, MI 48109 USA

来源：

NEURAL COMPUTATION | 2007年 / 19卷 / 06期

基金：

美国国家科学基金会;

关键词：

D O I：

10.1162/neco.2007.19.6.1633

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

In this letter, we derive an algorithm that computes the entire solution path of the support vector regression (SVR). We also propose an unbiased estimate for the degrees of freedom of the SVR model, which allows convenient selection of the regularization parameter.

引用

页码：1633 / 1655

页数：23

共 32 条

[1]

ALLGOWER EL, 1993, ACTA NUMER, V2, P1

[2]

[Anonymous], 1999, CD9914 NAT U SING DE

[3]

AVPNIK V, 1996, ADV NEURAL INFORMATI, V9

[4] Training ν-support vector regression:: Theory and algorithms [J].